truongpdd/wit_vietnamese_subset

该数据集包含网页和图像相关的多种特征，如语言、页面URL、图像URL、页面标题等，适用于网页内容分析或图像处理任务。数据集分为训练集，包含514473个示例，总大小约为966699738.4883065字节。

数据集信息：
特征：
- 字段名：语言（language），数据类型：字符串（string）
- 字段名：页面URL（page_url），数据类型：字符串
- 字段名：图片URL（image_url），数据类型：字符串
- 字段名：页面标题（page_title），数据类型：字符串
- 字段名：章节标题（section_title），数据类型：字符串
- 字段名：层级章节标题（hierarchical_section_title），数据类型：字符串
- 字段名：标注参考描述（caption_reference_description），数据类型：字符串
- 字段名：标注归属描述（caption_attribution_description），数据类型：字符串
- 字段名：标注替代文本描述（caption_alt_text_description），数据类型：字符串
- 字段名：MIME类型（mime_type），数据类型：字符串
- 字段名：原始高度（original_height），数据类型：32位整型（int32）
- 字段名：原始宽度（original_width），数据类型：32位整型（int32）
- 字段名：是否为主图（is_main_image），数据类型：布尔型（bool）
- 字段名：归属信息通过语言ID校验（attribution_passes_lang_id），数据类型：布尔型（bool）
- 字段名：页面近期更新（page_changed_recently），数据类型：布尔型（bool）
- 字段名：页面上下文描述（context_page_description），数据类型：字符串
- 字段名：章节上下文描述（context_section_description），数据类型：字符串
数据集拆分：
- 名称：训练集（train），字节占用：966699738.4883065，样本数量：514473
下载大小：478250989
数据集总大小：966699738.4883065

# 「wit_vietnamese_subset」数据集卡片
[更多信息请参阅](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• 名称：wit_vietnamese_subset

数据集特征

• language (字符串)
• page_url (字符串)
• image_url (字符串)
• page_title (字符串)
• section_title (字符串)
• hierarchical_section_title (字符串)
• caption_reference_description (字符串)
• caption_attribution_description (字符串)
• caption_alt_text_description (字符串)
• mime_type (字符串)
• original_height (整数，int32)
• original_width (整数，int32)
• is_main_image (布尔值)
• attribution_passes_lang_id (布尔值)
• page_changed_recently (布尔值)
• context_page_description (字符串)
• context_section_description (字符串)

数据集分割

• train
  • 示例数量：514473
  • 数据大小：966699738.4883065 字节

数据集大小

• 下载大小：478250989 字节
• 数据集总大小：966699738.4883065 字节