anhdungitvn/vi-corpus-cleaned-54988654

---
dataset_info:
features:
- name: text
dtype: string
splits:
- name: clean
num_bytes: 299737064438
num_examples: 54988654
- name: noisy
num_bytes: 442955165504
num_examples: 92757798
download_size: 385431065652
dataset_size: 742692229942
configs:
- config_name: default
data_files:
- split: clean
path: data/clean-*
- split: noisy
path: data/noisy-*
---

原始信息汇总

数据集信息

特征

• 名称: text
• 数据类型: string

分割

• 名称: clean
  • 字节数: 299737064438
  • 样本数: 54988654
• 名称: noisy
  • 字节数: 442955165504
  • 样本数: 92757798

大小

• 下载大小: 385431065652
• 数据集大小: 742692229942

配置

• 配置名称: default
  • 数据文件:
    • 分割: clean
      • 路径: data/clean-*
    • 分割: noisy
      • 路径: data/noisy-*