aramasethu/arabic_parallel_corpus

---
dataset_info:
features:
- name: id
dtype: int64
- name: translation
struct:
- name: ar
dtype: string
- name: en
dtype: string
- name: shu
dtype: string
splits:
- name: train
num_bytes: 17115363
num_examples: 24865
- name: test
num_bytes: 4290613
num_examples: 6217
download_size: 10875211
dataset_size: 21405976
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

特征信息

• id: 数据类型为 int64。
• translation: 包含以下子字段：
  • ar: 数据类型为 string。
  • en: 数据类型为 string。
  • shu: 数据类型为 string。

数据分割

• train:
  • 字节数: 17115363
  • 样本数: 24865
• test:
  • 字节数: 4290613
  • 样本数: 6217

数据集大小

• 下载大小: 10875211 字节
• 数据集大小: 21405976 字节

配置信息

• default:
  • train: 文件路径为 data/train-*
  • test: 文件路径为 data/test-*