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-*