ariel-ml/hun-sum-chatml-5k

---
language:
- hu
dataset_info:
features:
- name: uuid
dtype: string
- name: title
dtype: string
- name: lead
dtype: string
- name: article
dtype: string
- name: domain
dtype: string
- name: url
dtype: string
- name: date_of_creation
dtype: timestamp[ns]
- name: tags
sequence: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 32496003
num_examples: 5000
- name: validation
num_bytes: 1359484
num_examples: 200
- name: test
num_bytes: 1326525
num_examples: 200
download_size: 22702475
dataset_size: 35182012
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

语言:
- 匈牙利语（Hungarian）
数据集信息:
特征:
- 名称: 通用唯一识别码（Universally Unique Identifier, UUID）
数据类型: 字符串（string）
- 名称: 标题（title）
数据类型: 字符串
- 名称: 导语（lead）
数据类型: 字符串
- 名称: 文章正文（article）
数据类型: 字符串
- 名称: 域名（domain）
数据类型: 字符串
- 名称: 统一资源定位符（Uniform Resource Locator, URL）
数据类型: 字符串
- 名称: 创建日期（date_of_creation）
数据类型: 纳秒级时间戳（timestamp[ns]）
- 名称: 标签（tags）
数据类型: 字符串序列（sequence: string）
- 名称: 文本（text）
数据类型: 字符串
划分集:
- 名称: 训练集（train）
字节数: 32496003
样本数: 5000
- 名称: 验证集（validation）
字节数: 1359484
样本数: 200
- 名称: 测试集（test）
字节数: 1326525
样本数: 200
下载大小: 22702475
数据集总大小: 35182012
配置:
- 配置名称: 默认配置（default）
数据文件:
- 划分集: 训练集
路径: data/train-*
- 划分集: 验证集
路径: data/validation-*
- 划分集: 测试集
路径: data/test-*

原始信息汇总

数据集概述

数据集特征

• uuid：字符串类型
• title：字符串类型
• lead：字符串类型
• article：字符串类型
• domain：字符串类型
• url：字符串类型
• date_of_creation：时间戳类型，单位为纳秒
• tags：字符串序列类型
• text：字符串类型

数据集划分

• 训练集：
  • 示例数量：5000
  • 数据大小：32496003字节
• 验证集：
  • 示例数量：200
  • 数据大小：1359484字节
• 测试集：
  • 示例数量：200
  • 数据大小：1326525字节

数据集大小

• 下载大小：22702475字节
• 数据集总大小：35182012字节

配置信息

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