maihered/lincellama

该数据集包含两个分割：训练集（train）和开发集（dev），每个分割都有对应的数据文件路径。数据集的特征包括tokens和tags，其中tags是一个序列，包含多个类标签，如lang1、lang2、mixed、other、fw、ambiguous、unk和ne。数据集的总下载大小为5994185字节，总数据集大小为22950685字节。

原始信息汇总

数据集概述

配置信息

• 默认配置 (config_name: default):
  • 训练数据 (split: train): 路径为 data/train-*
  • 开发数据 (split: dev): 路径为 data/dev-*

数据集特征

• tokens: 字符串序列
• tags: 分类标签序列，包含以下类别：
  • 0: "lang1"
  • 1: "lang2"
  • 2: "mixed"
  • 3: "other"
  • 4: "fw"
  • 5: "ambiguous"
  • 6: "unk"
  • 7: "ne"

数据集分割

• 训练集 (train):
  • 字节数: 18929435
  • 示例数: 94683
• 开发集 (dev):
  • 字节数: 4021250
  • 示例数: 19558

数据集大小

• 下载大小: 5994185 字节
• 数据集总大小: 22950685 字节