AvishayDev/gutendex-dataset

该数据集名为Books For All!，包含了来自Gutendex图书馆的英文书籍，涵盖了多种任务类别如文本分类、标记分类、文本生成和填充掩码。数据集的特征包括书名、作者、译者、主题、书架、语言、版权信息、下载次数和文本内容。数据集的大小在10K到100K之间，包含26,138个训练样本，总大小为11,768,240,138字节。数据集的内容包括数千本英文书籍，这些书籍经过精心挑选和处理，涵盖了各种类型和时代。每本书都经过清理并转换为纯文本格式，便于自然语言处理任务和分析。此外，每本书都附有丰富的元数据，如作者、标题、出版日期、类型和语言，便于过滤、搜索和组织。数据集是开放和可共享的，鼓励用户贡献和分享。

原始信息汇总

数据集概述

数据集名称

Books For All!

数据集大小

• 下载大小：7164356350 字节
• 数据集大小：11768240138 字节

数据集类别

• 文本分类
• 标记分类
• 文本生成
• 掩码填充

数据集特征

• title: 字符串类型
• authors: 列表类型
  • birth_year: 整数类型
  • death_year: 整数类型
  • name: 字符串类型
• translators: 列表类型
  • birth_year: 整数类型
  • death_year: 整数类型
  • name: 字符串类型
• subjects: 序列类型，字符串
• bookshelves: 序列类型，字符串
• languages: 序列类型，字符串
• copyright: 布尔类型
• download_count: 整数类型
• text: 字符串类型

数据集分割

• train: 包含 26138 个样本，11768240138 字节

配置

• default: 包含训练数据文件路径 data/train-*

标签

• books
• text