booksouls/booksum-cleaned

该数据集包含章节（chapter）和摘要（summary）两个主要特征，分为训练集、验证集和测试集三个部分。数据集的主要任务是摘要生成，语言为英语，数据规模在10K到100K之间。

This dataset comprises two core features: chapter and summary. It is divided into three subsets, namely the training set, validation set and test set. The primary task of this dataset is text summarization, with all data in English, and its scale ranges from 10K to 100K.

原始信息汇总

数据集概述

数据特征

• chapter: 类型为字符串
• summary: 类型为字符串

数据分割

• train:
  • 字节数: 161588585.20105472
  • 样本数: 8145
• validation:
  • 字节数: 24977290.21094265
  • 样本数: 1259
• test:
  • 字节数: 24104374.588002637
  • 样本数: 1215

数据大小

• 下载大小: 134806852
• 数据集大小: 210670250

配置

• default:
  • 训练数据路径: data/train-*
  • 验证数据路径: data/validation-*
  • 测试数据路径: data/test-*

任务类别

• 摘要生成

语言

• 英语

数据集大小类别

• 10K<n<100K