witchling22/tokenized_dataset_bart

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: validation
path: data/validation-*
dataset_info:
features:
- name: source
dtype: string
- name: source_labels
dtype: string
- name: rouge_scores
dtype: string
- name: paper_id
dtype: string
- name: target
dtype: string
- name: full_source_text
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 17340567
num_examples: 1992
- name: test
num_bytes: 5620222
num_examples: 618
- name: validation
num_bytes: 5534448
num_examples: 619
download_size: 6328102
dataset_size: 28495237
---
# Dataset Card for "tokenized_dataset_bart"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

配置项：
- 配置名称：default
数据文件：
- 拆分集：train
路径：data/train-*
- 拆分集：test
路径：data/test-*
- 拆分集：validation
路径：data/validation-*
数据集信息：
特征字段：
- 字段名：源文本（source）
数据类型：字符串（string）
- 字段名：源标签（source_labels）
数据类型：字符串（string）
- 字段名：ROUGE评分（rouge_scores）
数据类型：字符串（string）
- 字段名：论文ID（paper_id）
数据类型：字符串（string）
- 字段名：目标文本（target）
数据类型：字符串（string）
- 字段名：完整源文本（full_source_text）
数据类型：字符串（string）
- 字段名：输入ID序列（input_ids）
数据类型：32位整数序列（int32）
- 字段名：注意力掩码（attention_mask）
数据类型：8位整数序列（int8）
- 字段名：标签序列（labels）
数据类型：64位整数序列（int64）
拆分集详情：
- 拆分集名称：train
字节大小：17340567
样本数量：1992
- 拆分集名称：test
字节大小：5620222
样本数量：618
- 拆分集名称：validation
字节大小：5534448
样本数量：619
下载总大小：6328102
数据集总大小：28495237
---
# 分词BART数据集（tokenized_dataset_bart）数据集卡片
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集配置

• 配置名称: default
• 数据文件:
  • 训练集: data/train-*
  • 测试集: data/test-*
  • 验证集: data/validation-*

数据集信息

• 特征:

  • source: 字符串类型
  • source_labels: 字符串类型
  • rouge_scores: 字符串类型
  • paper_id: 字符串类型
  • target: 字符串类型
  • full_source_text: 字符串类型
  • input_ids: 整数序列类型
  • attention_mask: 整数序列类型
  • labels: 整数序列类型

• 数据分割:

  • 训练集:
    • 字节数: 17340567
    • 样本数: 1992
  • 测试集:
    • 字节数: 5620222
    • 样本数: 618
  • 验证集:
    • 字节数: 5534448
    • 样本数: 619

• 下载大小: 6328102

• 数据集大小: 28495237