alvations/c4p0-v2-en-engb

该数据集包含多个文本相关的特征字段，如源文本（source）、目标文本（target）、目标文本回译到源文本（target_backto_source）等。数据集还包含元信息字段，如语言标识（source_langid、target_langid）、文档ID（doc_id）、句子ID（sent_id）等。数据集包含一个训练集，共有29620个样本，文件大小为38383802字节，下载大小为14444648字节。

原始信息汇总

数据集概述

数据集特征

• source：数据类型为字符串。
• target：数据类型为字符串。
• target_backto_source：数据类型为字符串。
• raw_target：包含一个名为generated_text的列表项，数据类型为字符串。
• raw_target_backto_source：包含一个名为generated_text的列表项，数据类型为字符串。
• prompt：数据类型为字符串。
• reverse_prompt：数据类型为字符串。
• source_langid：数据类型为字符串。
• target_langid：数据类型为字符串。
• target_backto_source_langid：数据类型为字符串。
• doc_id：数据类型为整数64位。
• sent_id：数据类型为整数64位。
• timestamp：数据类型为字符串。
• url：数据类型为字符串。
• doc_hash：数据类型为字符串。
• dataset：数据类型为字符串。
• source_lang：数据类型为字符串。
• target_lang：数据类型为字符串。

数据集分割

• train：包含29620个示例，数据大小为38383802字节。

数据集大小

• 下载大小：14444648字节。
• 数据集总大小：38383802字节。

配置

• config_name: default
  • data_files:
    • split: train
      • path: data/train-*