alvations/c4p0-v1-en-fr

该数据集包含多个特征字段，如source、target、target_backto_source等，这些字段主要用于描述文本数据的来源、目标文本、反向翻译文本等信息。数据集还包含语言标识、文档ID、句子ID、时间戳、URL、文档哈希值等元数据。数据集分为训练集，包含7510个样本，总大小为9739130字节。

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: 包含列表，列表中有一个名为generated_text的特征，数据类型为字符串。
• raw_target_backto_source: 包含列表，列表中有一个名为generated_text的特征，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。
• sent_id: 数据类型为整数。
• 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7510个示例，数据大小为9739130字节。

数据集大小

• 下载大小: 4040042字节。
• 数据集总大小: 9739130字节。

配置

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