bot-yaya/undl_text
收藏Hugging Face2023-10-07 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/bot-yaya/undl_text
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含多个语言的文本字段（如阿拉伯语、中文、英语等），并且有一个名为record的字段。数据集分为一个训练集，包含165,840个样本，总大小为48,667,711,040字节。这些文本是通过pandoc工具从docx文件转换而来，可能需要进一步的去噪处理才能用于翻译和对齐。
提供机构：
bot-yaya
原始信息汇总
数据集概述
数据集信息
-
特征字段:
ar: 字符串类型zh: 字符串类型en: 字符串类型fr: 字符串类型ru: 字符串类型es: 字符串类型de: 字符串类型record: 字符串类型
-
数据分割:
train:- 字节数: 48667711040
- 样本数: 165840
-
下载大小: 18648916788 字节
-
数据集大小: 48667711040 字节
