witchling22/tokenized_dataset_bart

--- configs: - config_name: default data_files: - split: train path: data/train-* - split: test path: data/test-* - split: validation path: data/validation-* dataset_info: features: - name: source dtype: string - name: source_labels dtype: string - name: rouge_scores dtype: string - name: paper_id dtype: string - name: target dtype: string - name: full_source_text dtype: string - name: input_ids sequence: int32 - name: attention_mask sequence: int8 - name: labels sequence: int64 splits: - name: train num_bytes: 17340567 num_examples: 1992 - name: test num_bytes: 5620222 num_examples: 618 - name: validation num_bytes: 5534448 num_examples: 619 download_size: 6328102 dataset_size: 28495237 --- # Dataset Card for "tokenized_dataset_bart" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)配置项： - 配置名称：default 数据文件： - 拆分集：train 路径：data/train-* - 拆分集：test 路径：data/test-* - 拆分集：validation 路径：data/validation-* 数据集信息： 特征字段： - 字段名：源文本（source） 数据类型：字符串（string） - 字段名：源标签（source_labels） 数据类型：字符串（string） - 字段名：ROUGE评分（rouge_scores） 数据类型：字符串（string） - 字段名：论文ID（paper_id） 数据类型：字符串（string） - 字段名：目标文本（target） 数据类型：字符串（string） - 字段名：完整源文本（full_source_text） 数据类型：字符串（string） - 字段名：输入ID序列（input_ids） 数据类型：32位整数序列（int32） - 字段名：注意力掩码（attention_mask） 数据类型：8位整数序列（int8） - 字段名：标签序列（labels） 数据类型：64位整数序列（int64） 拆分集详情： - 拆分集名称：train 字节大小：17340567 样本数量：1992 - 拆分集名称：test 字节大小：5620222 样本数量：618 - 拆分集名称：validation 字节大小：5534448 样本数量：619 下载总大小：6328102 数据集总大小：28495237 --- # 分词BART数据集（tokenized_dataset_bart）数据集卡片 [需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集配置

• 配置名称: default
• 数据文件:
  • 训练集: data/train-*
  • 测试集: data/test-*
  • 验证集: data/validation-*

数据集信息

• 特征:

  • source: 字符串类型
  • source_labels: 字符串类型
  • rouge_scores: 字符串类型
  • paper_id: 字符串类型
  • target: 字符串类型
  • full_source_text: 字符串类型
  • input_ids: 整数序列类型
  • attention_mask: 整数序列类型
  • labels: 整数序列类型

• 数据分割:

  • 训练集:
    • 字节数: 17340567
    • 样本数: 1992
  • 测试集:
    • 字节数: 5620222
    • 样本数: 618
  • 验证集:
    • 字节数: 5534448
    • 样本数: 619

• 下载大小: 6328102

• 数据集大小: 28495237