pythainlp/scb_mt_2020_en2th_prompt

该数据集是从scb_mt_enth_2020中移除nus_sms和paracrawl后创建的，主要用于文本到文本生成和文本分类任务，语言为泰语。数据集包含训练、验证和测试三个分割，分别包含801402、88927和88931个例子。

原始信息汇总

数据集概述

数据集信息

• 特征:

  • inputs: 数据类型为 string
  • targets: 数据类型为 string

• 拆分:

  • train: 字节数为 500257169，样本数为 801402
  • validation: 字节数为 61671631，样本数为 88927
  • test: 字节数为 61225544，样本数为 88931

• 大小:

  • 下载大小: 212863737 字节
  • 数据集大小: 623154344 字节

• 许可证: cc-by-sa-4.0

• 任务类别:

  • 文本生成
  • 文本分类

• 语言:

  • 泰语

• 大小类别:

  • 100K < n < 1M