PaddleNLP中的paddlenlp.datasets.dataset.DatasetBuilder如何构建用于文本生成的自定义数据集，请代码展示

构建用于文本生成的自定义数据集，需要继承`paddlenlp.datasets.dataset.DatasetBuilder`类，并实现其中的`_read()`方法。以下是一个简单的示例代码，演示如何构建一个自定义数据集：

from paddlenlp.datasets.dataset import DatasetBuilder

class MyTextGenDataset(DatasetBuilder):
    # 数据集名称，用于数据下载和解压
    NAME = "my_textgen_dataset"

    # 数据集文件名，用于数据读取
    FILENAME = "my_textgen_dataset.txt"

    # 数据集中每一行的格式
    SPLITS = [('text', str)]

    def __init__(self, min_length=5, max_length=20):
        self.min_length = min_length
        self.max_length = max_length

    def _read(self, filename):
        # 读取数据文件中的每一行，并返回
        with open(filename, "r", encoding="utf-8") as f:
            for line in f:
                line = line.strip()
                if len(line) >= self.min_length and len(line) <= self.max_length:
                    yield {"text": line}

在上面的代码中，`MyTextGenDataset`继承了`DatasetBuilder`类，并实现了`_read()`方法。`_read()`方法读取本地的数据文件，并返回一个Python迭代器，每次迭代返回一个字典对象，其中包含一个文本字段`text`。`NAME`和`FILENAME`属性分别指定了数据集的名称和文件名，用于数据下载和解压。`SPLITS`属性指定了每行数据的格式，这里只包含一个文本字段。

此外，`MyTextGenDataset`类还带有两个参数`min_length`和`max_length`，用于控制数据集中文本的长度范围。在`_read()`方法中，如果读取到的文本长度在指定范围内，就将其加入数据集中。

使用自定义数据集时，可以通过以下方式读取数据：

dataset = MyTextGenDataset(min_length=5, max_length=20)
for example in dataset:
    print(example["text"])

这里的`example`是一个字典对象，包含一个`text`字段，即数据集中的文本内容。通过继承`DatasetBuilder`类，用户可以方便地构建自己的数据集，并进行数据预处理、划分等操作。