Thanmay/wiki-translate

该数据集包含多种语言的文本数据，主要特征包括文档ID、标题、URL以及多种语言的文本字段，如英语、印地语、阿萨姆语等。数据集仅包含一个训练集分割，包含20个样本，总大小为4017733字节。

This dataset contains text data in multiple languages, with main features including document ID, title, URL, and text fields in various languages such as English, Hindi, Assamese, etc. The dataset includes only a training split with 20 samples, totaling 4017733 bytes.

原始信息汇总

数据集概述

特征信息

• doc_id: 数据类型为 null
• title: 数据类型为 string
• url: 数据类型为 string
• eng_Latn: 数据类型为 string
• hin_Deva: 数据类型为 string
• asm_Beng: 数据类型为 null
• mal_Mlym: 数据类型为 null
• ben_Beng: 数据类型为 null
• guj_Gujr: 数据类型为 null
• san_Deva: 数据类型为 null
• kan_Knda: 数据类型为 null
• tel_Telu: 数据类型为 null
• mar_Deva: 数据类型为 null
• tam_Taml: 数据类型为 null
• ory_Orya: 数据类型为 null
• npi_Deva: 数据类型为 null
• pan_Guru: 数据类型为 null
• urd_Arab: 数据类型为 null

数据分割

• train: 包含20个样本，占用4017733字节

数据集大小

• 下载大小: 1711294字节
• 数据集大小: 4017733字节

配置信息

• default: 数据文件路径为 data/train-*