pythainlp/thai_usembassy

该数据集收集了来自美国驻曼谷大使馆的所有泰语和英语新闻。数据集包含URL、泰语文本、英语文本、英语标题和泰语标题等特征，主要用于文本生成和翻译任务。

原始信息汇总

数据集概述

数据集名称

• thai_usembassy

配置

• 默认配置 (default)
  • 数据文件路径: data/train-*

数据集信息

• 特征

  • url: 字符串类型
  • th: 字符串类型
  • en: 字符串类型
  • title_en: 字符串类型
  • title_th: 字符串类型

• 分割

  • train:
    • 字节数: 5060813
    • 样本数: 615

• 下载大小: 2048306 字节

• 数据集大小: 5060813 字节

许可

• cc0-1.0

任务类别

• 文本生成
• 翻译

语言

• 泰语 (th)
• 英语 (en)