sartifyllc/Swahili-NLi-Triplet-SWH-ENG

该数据集包含多种语言的数据，每个样本包括一个锚点文本、一个正面样本文本和一个负面样本文本。数据集分为训练集、开发集和测试集，分别包含1,115,700、13,168和13,218个样本。数据集的下载大小为84,955,951字节，总大小为221,978,523字节。

This dataset contains data in multiple languages, with each sample including an anchor text, a positive sample text, and a negative sample text. The dataset is divided into training, development, and test sets, containing 1,115,700, 13,168, and 13,218 samples respectively. The download size of the dataset is 84,955,951 bytes, and the total size is 221,978,523 bytes.

原始信息汇总

数据集概述

数据特征

• language: 数据类型为字符串（string）
• anchor: 数据类型为字符串（string）
• positive: 数据类型为字符串（string）
• negative: 数据类型为字符串（string）

数据划分

• train:
  • 字节数: 216,345,137
  • 样本数: 1,115,700
• dev:
  • 字节数: 2,755,279
  • 样本数: 13,168
• test:
  • 字节数: 2,878,107
  • 样本数: 13,218

数据集大小

• 下载大小: 84,955,951 字节
• 数据集总大小: 221,978,523 字节

配置

• config_name: default
  • 数据文件路径:
    • train: data/train-*
    • dev: data/dev-*
    • test: data/test-*