deokhk/pl_wiki_sentences_1000000

该数据集包含一个名为sentence的字符串类型字段，总共有1,000,000个训练样本和1,000个开发样本。训练集的大小为113,265,727字节，开发集的大小为112,360字节。整个数据集的下载大小为74,085,916字节，数据集总大小为113,378,087字节。数据文件路径分别为train-*和dev-*。

原始信息汇总

数据集详情

特征

• 名称: sentence
• 数据类型: string

数据分割

• 训练集
  • 名称: train
  • 字节数: 113265727
  • 样本数: 1000000
• 验证集
  • 名称: dev
  • 字节数: 112360
  • 样本数: 1000

数据大小

• 下载大小: 74085916
• 数据集大小: 113378087

配置

• 配置名称: default
  • 数据文件
    • 训练集路径: data/train-*
    • 验证集路径: data/dev-*