sorenmulli/nordjylland-news-summarization-subset

--- dataset_info: features: - name: text dtype: string - name: summary dtype: string - name: text_len dtype: int64 - name: summary_len dtype: int64 - name: ind dtype: int64 splits: - name: train num_bytes: 243846 num_examples: 300 download_size: 162666 dataset_size: 243846 configs: - config_name: default data_files: - split: train path: data/train-* --- # [WIP] Dataset Card for "nordjylland-news-summarization-subset" *Please note that this dataset and dataset card both are works in progress. For now refer to the related [thesis](https://sorenmulli.github.io/thesis/thesis.pdf) for all details*数据集信息： 特征字段： - 字段名：text，数据类型：字符串（string） - 字段名：summary，数据类型：字符串（string） - 字段名：text_len，数据类型：64位整型（int64） - 字段名：summary_len，数据类型：64位整型（int64） - 字段名：ind，数据类型：64位整型（int64） 数据集划分： - 划分名称：训练集（train），占用字节数：243846，样本数量：300 下载大小：162666 数据集总大小：243846 配置项： - 配置名称：默认配置（default） 数据文件： - 对应划分：训练集（train），文件路径：data/train-* # 【开发中】"北日德兰新闻摘要子集"数据集卡片（Dataset Card） *请注意，本数据集及数据集卡片均处于开发阶段，当前所有详细信息请参阅相关学位论文：https://sorenmulli.github.io/thesis/thesis.pdf*

原始信息汇总

数据集概述

数据集信息

• 特征:
  • text: 文本数据，数据类型为字符串。
  • summary: 摘要数据，数据类型为字符串。
  • text_len: 文本长度，数据类型为整数。
  • summary_len: 摘要长度，数据类型为整数。
  • ind: 索引，数据类型为整数。

数据分割

• 训练集:
  • 名称: train
  • 字节数: 243846
  • 样本数: 300

数据集大小

• 下载大小: 162666 字节
• 数据集大小: 243846 字节

配置

• 默认配置:
  • 配置名称: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*