tclopess/sinopsys_movies_portuguese

该数据集名为Sinopses IMDB，主要涉及电影领域，包含电影的标题、剧情简介、类型以及一个布尔值字段is_valid。数据集主要用于文本分类和翻译任务，语言为葡萄牙语。数据集分为训练集和测试集，训练集包含17947个样本，测试集包含3168个样本。数据集的总大小为6537232.0字节，下载大小为4121318字节。

原始信息汇总

数据集概述

基本信息

• 语言: 葡萄牙语 (pt)
• 大小范围: 10K<n<100K
• 任务类别:
  • 文本分类
  • 翻译
• 美观名称: Sinopses IMDB
• 标签: 电影

数据集特征

• titulo: 字符串类型
• sinopse: 字符串类型
• generos: 字符串类型
• is_valid: 布尔类型

数据分割

• 训练集:
  • 示例数量: 17947
  • 字节数: 5556414.999005446
• 测试集:
  • 示例数量: 3168
  • 字节数: 980817.0009945537

数据集大小

• 下载大小: 4121318字节
• 数据集总大小: 6537232.0字节

配置

• 配置名称: default
• 数据文件路径:
  • 训练集: data/train-*
  • 测试集: data/test-*