jordanfan/billsum_abstracted_us_congress_117_bills_p2

---
dataset_info:
features:
- name: 'Unnamed: 0'
dtype: int64
- name: index
dtype: int64
- name: id
dtype: string
- name: policy_areas
dtype: string
- name: cur_summary
dtype: string
- name: cur_text
dtype: string
- name: title
dtype: string
- name: titles_official
dtype: string
- name: titles_short
dtype: string
- name: sponsor_name
dtype: string
- name: sponsor_party
dtype: string
- name: sponsor_state
dtype: string
- name: cleaned_summary
dtype: string
- name: extracted_text
dtype: string
- name: extracted_text_375
dtype: string
- name: extracted_text_750
dtype: string
- name: extracted_text_1000
dtype: string
- name: bertsum_extracted_250
dtype: string
- name: bertsum_extracted_375
dtype: string
- name: bertsum_extracted_375_1000
dtype: string
- name: bertsum_extracted_250_1000
dtype: string
- name: bertsum_extracted_375_750
dtype: string
- name: bertsum_extracted_250_750
dtype: string
- name: bertsum_extracted_375_500
dtype: string
- name: bertsum_extracted_250_500
dtype: string
- name: bertsum_extracted_375_375
dtype: string
- name: bertsum_extracted_250_375
dtype: string
- name: text_len
dtype: int64
- name: billsum_abstracted_1000
dtype: string
splits:
- name: train
num_bytes: 152287149
num_examples: 4505
- name: val
num_bytes: 47132749
num_examples: 1353
- name: test
num_bytes: 5401931
num_examples: 154
download_size: 85517487
dataset_size: 204821829
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: val
path: data/val-*
- split: test
path: data/test-*
---

数据集信息：
特征字段：
- 名称：未命名列0（Unnamed: 0），数据类型：64位整型（int64）
- 名称：索引（index），数据类型：64位整型（int64）
- 名称：ID（id），数据类型：字符串类型（string）
- 名称：政策领域（policy_areas），数据类型：字符串类型（string）
- 名称：当前摘要（cur_summary），数据类型：字符串类型（string）
- 名称：当前文本（cur_text），数据类型：字符串类型（string）
- 名称：标题（title），数据类型：字符串类型（string）
- 名称：官方标题（titles_official），数据类型：字符串类型（string）
- 名称：简称标题（titles_short），数据类型：字符串类型（string）
- 名称：发起人姓名（sponsor_name），数据类型：字符串类型（string）
- 名称：发起党派（sponsor_party），数据类型：字符串类型（string）
- 名称：发起州（sponsor_state），数据类型：字符串类型（string）
- 名称：清洗后摘要（cleaned_summary），数据类型：字符串类型（string）
- 名称：提取文本（extracted_text），数据类型：字符串类型（string）
- 名称：提取文本（375）（extracted_text_375），数据类型：字符串类型（string）
- 名称：提取文本（750）（extracted_text_750），数据类型：字符串类型（string）
- 名称：提取文本（1000）（extracted_text_1000），数据类型：字符串类型（string）
- 名称：基于BertSum提取的250长度文本（bertsum_extracted_250），数据类型：字符串类型（string）
- 名称：基于BertSum提取的375长度文本（bertsum_extracted_375），数据类型：字符串类型（string）
- 名称：基于BertSum提取的375-1000范围文本（bertsum_extracted_375_1000），数据类型：字符串类型（string）
- 名称：基于BertSum提取的250-1000范围文本（bertsum_extracted_250_1000），数据类型：字符串类型（string）
- 名称：基于BertSum提取的375-750范围文本（bertsum_extracted_375_750），数据类型：字符串类型（string）
- 名称：基于BertSum提取的250-750范围文本（bertsum_extracted_250_750），数据类型：字符串类型（string）
- 名称：基于BertSum提取的375-500范围文本（bertsum_extracted_375_500），数据类型：字符串类型（string）
- 名称：基于BertSum提取的250-500范围文本（bertsum_extracted_250_500），数据类型：字符串类型（string）
- 名称：基于BertSum提取的375-375范围文本（bertsum_extracted_375_375），数据类型：字符串类型（string）
- 名称：基于BertSum提取的250-375范围文本（bertsum_extracted_250_375），数据类型：字符串类型（string）
- 名称：文本长度（text_len），数据类型：64位整型（int64）
- 名称：基于Billsum生成的1000长度抽象摘要（billsum_abstracted_1000），数据类型：字符串类型（string）
数据集划分：
- 划分集：训练集（train），字节数：152287149，样本量：4505
- 划分集：验证集（val），字节数：47132749，样本量：1353
- 划分集：测试集（test），字节数：5401931，样本量：154
下载总大小：85517487字节，数据集总大小：204821829字节
配置信息：
- 配置名称：默认（default），数据文件路径：
- 训练集：data/train-*
- 验证集：data/val-*
- 测试集：data/test-*

原始信息汇总

数据集特征

• Unnamed: 0：整数类型
• index：整数类型
• id：字符串类型
• policy_areas：字符串类型
• cur_summary：字符串类型
• cur_text：字符串类型
• title：字符串类型
• titles_official：字符串类型
• titles_short：字符串类型
• sponsor_name：字符串类型
• sponsor_party：字符串类型
• sponsor_state：字符串类型
• cleaned_summary：字符串类型
• extracted_text：字符串类型
• extracted_text_375：字符串类型
• extracted_text_750：字符串类型
• extracted_text_1000：字符串类型
• bertsum_extracted_250：字符串类型
• bertsum_extracted_375：字符串类型
• bertsum_extracted_375_1000：字符串类型
• bertsum_extracted_250_1000：字符串类型
• bertsum_extracted_375_750：字符串类型
• bertsum_extracted_250_750：字符串类型
• bertsum_extracted_375_500：字符串类型
• bertsum_extracted_250_500：字符串类型
• bertsum_extracted_375_375：字符串类型
• bertsum_extracted_250_375：字符串类型
• text_len：整数类型
• billsum_abstracted_1000：字符串类型

数据集分割

• 训练集 (train)：
  • 字节数：152287149
  • 示例数：4505
• 验证集 (val)：
  • 字节数：47132749
  • 示例数：1353
• 测试集 (test)：
  • 字节数：5401931
  • 示例数：154

数据集大小

• 下载大小：85517487字节
• 数据集总大小：204821829字节