TrinhDacPhu/translation-en-vi-dataset

该数据集包含英语和越南语之间的翻译文本，数据集分为训练集、验证集和测试集三个部分。训练集包含10000个样本，验证集包含500个样本，测试集包含122817个样本。每个样本包含一个唯一的id和对应的英语-越南语翻译文本。

This dataset contains translation texts between English and Vietnamese, divided into three parts: train, validation, and test sets. The train set contains 10,000 samples, the validation set contains 500 samples, and the test set contains 122,817 samples. Each sample includes a unique id and corresponding English-Vietnamese translation texts.

原始信息汇总

数据集概述

数据特征

• id: 数据类型为 int64
• translation: 结构化数据
  • en: 数据类型为 string
  • vi: 数据类型为 string

数据划分

• train:
  • 字节数: 2512190
  • 样本数: 10000
• validation:
  • 字节数: 123810
  • 样本数: 500
• test:
  • 字节数: 30908696
  • 样本数: 122817

数据集大小

• 下载大小: 20605458 字节
• 数据集总大小: 33544696 字节

配置

• config_name: default
  • data_files:
    • train: 路径为 data/train-*
    • validation: 路径为 data/validation-*
    • test: 路径为 data/test-*