alvations/c4p0-v2-en-ko

该数据集包含多个文本相关的特征字段，如源文本、目标文本、目标文本回译到源文本等。数据集主要用于存储和处理文本数据，训练集包含27336个样本，总大小为31999714字节。数据集的配置信息显示，训练数据存储在指定路径下的文件中。

原始信息汇总

数据集概述

数据集特征

• source：数据类型为字符串。
• target：数据类型为字符串。
• target_backto_source：数据类型为字符串。
• raw_target：包含一个名为generated_text的列表，数据类型为字符串。
• raw_target_backto_source：包含一个名为generated_text的列表，数据类型为字符串。
• prompt：数据类型为字符串。
• reverse_prompt：数据类型为字符串。
• source_langid：数据类型为字符串。
• target_langid：数据类型为字符串。
• target_backto_source_langid：数据类型为字符串。
• doc_id：数据类型为整数64位。
• sent_id：数据类型为整数64位。
• timestamp：数据类型为字符串。
• url：数据类型为字符串。
• doc_hash：数据类型为字符串。
• dataset：数据类型为字符串。
• source_lang：数据类型为字符串。
• target_lang：数据类型为字符串。

数据集分割

• train：包含27336个示例，数据大小为31999714字节。

数据集大小

• 下载大小：13858327字节。
• 数据集大小：31999714字节。

配置

• config_name：default
• data_files：
  • split：train
  • path：data/train-*