predictionguard/chinese_parallel_corpus_vref

---
dataset_info:
features:
- name: Vref
dtype: string
- name: translation
struct:
- name: cn
dtype: string
- name: cn-bkt
dtype: string
- name: en
dtype: string
- name: nt
dtype: string
- name: yb
dtype: string
splits:
- name: train
num_bytes: 14431290
num_examples: 41466
- name: test
num_bytes: 226805
num_examples: 433
download_size: 7029063
dataset_size: 14658095
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• Vref: 数据类型为字符串。
• translation: 结构化数据，包含以下子特征：
  • cn: 数据类型为字符串。
  • cn-bkt: 数据类型为字符串。
  • en: 数据类型为字符串。
  • nt: 数据类型为字符串。
  • yb: 数据类型为字符串。

数据集划分

• 训练集 (train):
  • 示例数量: 41466
  • 数据大小: 14431290 字节
• 测试集 (test):
  • 示例数量: 433
  • 数据大小: 226805 字节

数据集大小

• 下载大小: 7029063 字节
• 数据集总大小: 14658095 字节

数据文件配置

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*