Maximofn/opus100

---
license: apache-2.0
configs:
- config_name: default
data_files:
- split: test
path: data/test-*
- split: train
path: data/train-*
- split: validation
path: data/validation-*
dataset_info:
features:
- name: translation
dtype:
translation:
languages:
- en
- es
splits:
- name: test
num_bytes: 326262
num_examples: 2000
- name: train
num_bytes: 136643104
num_examples: 1000000
- name: validation
num_bytes: 326727
num_examples: 2000
download_size: 100103904
dataset_size: 137296093
task_categories:
- translation
language:
- en
- es
pretty_name: Opus100 EN-ES
size_categories:
- 100M<n<1B
---
# Dataset Card for "Opus100 EN-ES"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

许可证：Apache-2.0
配置项：
- 配置名称：default
数据文件：
- 测试子集：test
路径：data/test-*
- 训练子集：train
路径：data/train-*
- 验证子集：validation
路径：data/validation-*
数据集信息：
特征：
- 字段名：translation（翻译对）
数据类型：
翻译（translation）：
支持语言：
- en（英语）
- es（西班牙语）
数据拆分：
- 名称：test
字节大小：326262
样本数量：2000
- 名称：train
字节大小：136643104
样本数量：1000000
- 名称：validation
字节大小：326727
样本数量：2000
下载总大小：100103904 字节
数据集存储总大小：137296093 字节
任务类别：机器翻译
语言：
- en（英语）
- es（西班牙语）
数据集展示名称：Opus100 EN-ES
数据规模区间：100M < 总数据量 < 1B

# "Opus100 英-西"数据集卡片
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

基本信息

• 数据集名称: Opus100 EN-ES
• 许可证: Apache-2.0
• 数据集大小: 137296093字节
• 下载大小: 100103904字节

数据结构

• 配置:
  • 默认配置 (config_name: default)
    • 数据文件路径:
      • 测试集 (split: test): data/test-*
      • 训练集 (split: train): data/train-*
      • 验证集 (split: validation): data/validation-*

数据集特征

• 特征名称: translation
• 数据类型:
  • 语言:
    • 英语 (en)
    • 西班牙语 (es)

数据集分割

• 测试集:
  • 示例数量: 2000
  • 字节数: 326262
• 训练集:
  • 示例数量: 1000000
  • 字节数: 136643104
• 验证集:
  • 示例数量: 2000
  • 字节数: 326727

任务类别

• 翻译

语言

• 英语 (en)
• 西班牙语 (es)

大小类别

• 100M<n<1B

搜集汇总

背景与挑战

背景概述

Opus100 EN-ES是一个用于机器翻译任务的双语数据集，包含约100万条英语到西班牙语的平行句对，数据以parquet格式存储，并已划分为训练集、验证集和测试集。