alvations/c4p0-v1-en-de

---
dataset_info:
features:
- name: source
dtype: string
- name: target
dtype: string
- name: target_backto_source
dtype: string
- name: raw_target
list:
- name: generated_text
dtype: string
- name: raw_target_backto_source
list:
- name: generated_text
dtype: string
- name: prompt
dtype: string
- name: reverse_prompt
dtype: string
- name: source_langid
dtype: string
- name: target_langid
dtype: string
- name: target_backto_source_langid
dtype: string
- name: doc_id
dtype: int64
- name: sent_id
dtype: int64
- name: timestamp
dtype: string
- name: url
dtype: string
- name: doc_hash
dtype: string
- name: dataset
dtype: string
- name: source_lang
dtype: string
- name: target_lang
dtype: string
splits:
- name: train
num_bytes: 14282882
num_examples: 11920
download_size: 6534015
dataset_size: 14282882
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 名称：source（源文本），数据类型：字符串（string）
- 名称：target（目标文本），数据类型：字符串（string）
- 名称：target_backto_source（目标文本回译至源语言），数据类型：字符串（string）
- 名称：raw_target（原始目标文本），数据类型：列表，列表项：
- 名称：generated_text（生成文本），数据类型：字符串（string）
- 名称：raw_target_backto_source（原始目标文本回译至源语言），数据类型：列表，列表项：
- 名称：generated_text（生成文本），数据类型：字符串（string）
- 名称：prompt（提示词），数据类型：字符串（string）
- 名称：reverse_prompt（反向提示词），数据类型：字符串（string）
- 名称：source_langid（源语言标识符），数据类型：字符串（string）
- 名称：target_langid（目标语言标识符），数据类型：字符串（string）
- 名称：target_backto_source_langid（目标文本回译语言标识符），数据类型：字符串（string）
- 名称：doc_id（文档ID），数据类型：64位整型（int64）
- 名称：sent_id（句子ID），数据类型：64位整型（int64）
- 名称：timestamp（时间戳），数据类型：字符串（string）
- 名称：url（统一资源定位符），数据类型：字符串（string）
- 名称：doc_hash（文档哈希值），数据类型：字符串（string）
- 名称：dataset（来源数据集），数据类型：字符串（string）
- 名称：source_lang（源语言），数据类型：字符串（string）
- 名称：target_lang（目标语言），数据类型：字符串（string）
数据集划分：
- 名称：train（训练集），字节大小：14282882，样本数量：11920
下载大小：6534015
数据集总大小：14282882
配置项：
- 配置名称：default（默认配置），数据文件：
- 划分集：train，路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• source：数据类型为字符串。
• target：数据类型为字符串。
• target_backto_source：数据类型为字符串。
• raw_target：包含一个名为generated_text的列表项，数据类型为字符串。
• raw_target_backto_source：包含一个名为generated_text的列表项，数据类型为字符串。
• prompt：数据类型为字符串。
• reverse_prompt：数据类型为字符串。
• source_langid：数据类型为字符串。
• target_langid：数据类型为字符串。
• target_backto_source_langid：数据类型为字符串。
• doc_id：数据类型为int64。
• sent_id：数据类型为int64。
• timestamp：数据类型为字符串。
• url：数据类型为字符串。
• doc_hash：数据类型为字符串。
• dataset：数据类型为字符串。
• source_lang：数据类型为字符串。
• target_lang：数据类型为字符串。

数据集分割

• train：包含11920个示例，总字节数为14282882。

数据集大小

• 下载大小：6534015字节。
• 数据集大小：14282882字节。

配置

• config_name：default
• data_files：
  • split：train
  • path：data/train-*