taufiqdp/Indo4B-hf

---
license: mit
dataset_info:
features:
- name: text
dtype: string
splits:
- name: jw300
num_bytes: 54539911
num_examples: 9108
- name: oscar_all_uncased
num_bytes: 16148605562
num_examples: 49082088
- name: parallel_corpus
num_bytes: 3593980
num_examples: 23786
- name: tempo
num_bytes: 42958941
num_examples: 127733
- name: frog_storytelling
num_bytes: 10581
num_examples: 113
- name: talpco_indonesia
num_bytes: 60158
num_examples: 1372
- name: kompas
num_bytes: 26896162
num_examples: 64237
- name: bppt
num_bytes: 3712082
num_examples: 24021
- name: wiki
num_bytes: 557458161
num_examples: 1848614
- name: wikipedia_conllu
num_bytes: 444753040
num_examples: 544365
- name: conllu_all_uncased
num_bytes: 6675033110
num_examples: 61822059
- name: opensubtitles
num_bytes: 697156269
num_examples: 28977
download_size: 14718137933
dataset_size: 24654777957
configs:
- config_name: default
data_files:
- split: jw300
path: data/jw300-*
- split: oscar_all_uncased
path: data/oscar_all_uncased-*
- split: parallel_corpus
path: data/parallel_corpus-*
- split: tempo
path: data/tempo-*
- split: frog_storytelling
path: data/frog_storytelling-*
- split: talpco_indonesia
path: data/talpco_indonesia-*
- split: kompas
path: data/kompas-*
- split: bppt
path: data/bppt-*
- split: wiki
path: data/wiki-*
- split: wikipedia_conllu
path: data/wikipedia_conllu-*
- split: conllu_all_uncased
path: data/conllu_all_uncased-*
- split: opensubtitles
path: data/opensubtitles-*
task_categories:
- text-generation
language:
- id
---

原始信息汇总

数据集概述

许可证

• MIT许可证

数据集信息

• 特征

  • 名称: text
  • 数据类型: string

• 分割

  • 名称: jw300
    • 字节数: 54539911
    • 示例数: 9108
  • 名称: oscar_all_uncased
    • 字节数: 16148605562
    • 示例数: 49082088
  • 名称: parallel_corpus
    • 字节数: 3593980
    • 示例数: 23786
  • 名称: tempo
    • 字节数: 42958941
    • 示例数: 127733
  • 名称: frog_storytelling
    • 字节数: 10581
    • 示例数: 113
  • 名称: talpco_indonesia
    • 字节数: 60158
    • 示例数: 1372
  • 名称: kompas
    • 字节数: 26896162
    • 示例数: 64237
  • 名称: bppt
    • 字节数: 3712082
    • 示例数: 24021
  • 名称: wiki
    • 字节数: 557458161
    • 示例数: 1848614
  • 名称: wikipedia_conllu
    • 字节数: 444753040
    • 示例数: 544365
  • 名称: conllu_all_uncased
    • 字节数: 6675033110
    • 示例数: 61822059
  • 名称: opensubtitles
    • 字节数: 697156269
    • 示例数: 28977

• 下载大小: 14718137933字节

• 数据集大小: 24654777957字节

配置

• 配置名称: default
  • 数据文件
    • 分割: jw300
      • 路径: data/jw300-*
    • 分割: oscar_all_uncased
      • 路径: data/oscar_all_uncased-*
    • 分割: parallel_corpus
      • 路径: data/parallel_corpus-*
    • 分割: tempo
      • 路径: data/tempo-*
    • 分割: frog_storytelling
      • 路径: data/frog_storytelling-*
    • 分割: talpco_indonesia
      • 路径: data/talpco_indonesia-*
    • 分割: kompas
      • 路径: data/kompas-*
    • 分割: bppt
      • 路径: data/bppt-*
    • 分割: wiki
      • 路径: data/wiki-*
    • 分割: wikipedia_conllu
      • 路径: data/wikipedia_conllu-*
    • 分割: conllu_all_uncased
      • 路径: data/conllu_all_uncased-*
    • 分割: opensubtitles
      • 路径: data/opensubtitles-*

任务类别

• 文本生成

语言

• 印度尼西亚语