matejklemen/wi_locness

---
license: other
dataset_info:
- config_name: A
features:
- name: src_tokens
sequence: string
- name: tgt_tokens
sequence: string
- name: corrections
list:
- name: idx_src
sequence: int32
- name: idx_tgt
sequence: int32
- name: corr_type
dtype: string
splits:
- name: train
num_bytes: 3847179
num_examples: 10493
- name: validation
num_bytes: 392622
num_examples: 1037
download_size: 6120469
dataset_size: 4239801
- config_name: B
features:
- name: src_tokens
sequence: string
- name: tgt_tokens
sequence: string
- name: corrections
list:
- name: idx_src
sequence: int32
- name: idx_tgt
sequence: int32
- name: corr_type
dtype: string
splits:
- name: train
num_bytes: 4649805
num_examples: 13032
- name: validation
num_bytes: 468078
num_examples: 1290
download_size: 6120469
dataset_size: 5117883
- config_name: C
features:
- name: src_tokens
sequence: string
- name: tgt_tokens
sequence: string
- name: corrections
list:
- name: idx_src
sequence: int32
- name: idx_tgt
sequence: int32
- name: corr_type
dtype: string
splits:
- name: train
num_bytes: 3765831
num_examples: 10783
- name: validation
num_bytes: 390439
num_examples: 1069
download_size: 6120469
dataset_size: 4156270
- config_name: N
features:
- name: src_tokens
sequence: string
- name: tgt_tokens
sequence: string
- name: corrections
list:
- name: idx_src
sequence: int32
- name: idx_tgt
sequence: int32
- name: corr_type
dtype: string
splits:
- name: validation
num_bytes: 421656
num_examples: 988
download_size: 6120469
dataset_size: 421656
- config_name: all
features:
- name: src_tokens
sequence: string
- name: tgt_tokens
sequence: string
- name: corrections
list:
- name: idx_src
sequence: int32
- name: idx_tgt
sequence: int32
- name: corr_type
dtype: string
splits:
- name: train
num_bytes: 12262815
num_examples: 34308
- name: validation
num_bytes: 1672795
num_examples: 4384
download_size: 6120469
dataset_size: 13935610
---

许可证：其他
数据集信息：
- 配置名称：A
特征：
- 名称：src_tokens，为字符串序列
- 名称：tgt_tokens，为字符串序列
- 名称：corrections，为列表类型，其元素包含以下字段：
- 名称：idx_src，为int32类型序列
- 名称：idx_tgt，为int32类型序列
- 名称：corr_type，数据类型为字符串
数据集划分：
- 名称：训练集，字节数：3847179，样本数：10493
- 名称：验证集，字节数：392622，样本数：1037
下载大小：6120469
总数据集大小：4239801
- 配置名称：B
特征：
- 名称：src_tokens，为字符串序列
- 名称：tgt_tokens，为字符串序列
- 名称：corrections，为列表类型，其元素包含以下字段：
- 名称：idx_src，为int32类型序列
- 名称：idx_tgt，为int32类型序列
- 名称：corr_type，数据类型为字符串
数据集划分：
- 名称：训练集，字节数：4649805，样本数：13032
- 名称：验证集，字节数：468078，样本数：1290
下载大小：6120469
总数据集大小：5117883
- 配置名称：C
特征：
- 名称：src_tokens，为字符串序列
- 名称：tgt_tokens，为字符串序列
- 名称：corrections，为列表类型，其元素包含以下字段：
- 名称：idx_src，为int32类型序列
- 名称：idx_tgt，为int32类型序列
- 名称：corr_type，数据类型为字符串
数据集划分：
- 名称：训练集，字节数：3765831，样本数：10783
- 名称：验证集，字节数：390439，样本数：1069
下载大小：6120469
总数据集大小：4156270
- 配置名称：N
特征：
- 名称：src_tokens，为字符串序列
- 名称：tgt_tokens，为字符串序列
- 名称：corrections，为列表类型，其元素包含以下字段：
- 名称：idx_src，为int32类型序列
- 名称：idx_tgt，为int32类型序列
- 名称：corr_type，数据类型为字符串
数据集划分：
- 名称：验证集，字节数：421656，样本数：988
下载大小：6120469
总数据集大小：421656
- 配置名称：all
特征：
- 名称：src_tokens，为字符串序列
- 名称：tgt_tokens，为字符串序列
- 名称：corrections，为列表类型，其元素包含以下字段：
- 名称：idx_src，为int32类型序列
- 名称：idx_tgt，为int32类型序列
- 名称：corr_type，数据类型为字符串
数据集划分：
- 名称：训练集，字节数：12262815，样本数：34308
- 名称：验证集，字节数：1672795，样本数：4384
下载大小：6120469
总数据集大小：13935610

原始信息汇总

数据集概述

配置 A

• 特征:
  • src_tokens: 字符串序列
  • tgt_tokens: 字符串序列
  • corrections: 列表，包含:
    • idx_src: 整数序列
    • idx_tgt: 整数序列
    • corr_type: 字符串
• 分割:
  • train: 3847179 字节, 10493 示例
  • validation: 392622 字节, 1037 示例

配置 B

• 特征:
  • src_tokens: 字符串序列
  • tgt_tokens: 字符串序列
  • corrections: 列表，包含:
    • idx_src: 整数序列
    • idx_tgt: 整数序列
    • corr_type: 字符串
• 分割:
  • train: 4649805 字节, 13032 示例
  • validation: 468078 字节, 1290 示例

配置 C

• 特征:
  • src_tokens: 字符串序列
  • tgt_tokens: 字符串序列
  • corrections: 列表，包含:
    • idx_src: 整数序列
    • idx_tgt: 整数序列
    • corr_type: 字符串
• 分割:
  • train: 3765831 字节, 10783 示例
  • validation: 390439 字节, 1069 示例

配置 N

• 特征:
  • src_tokens: 字符串序列
  • tgt_tokens: 字符串序列
  • corrections: 列表，包含:
    • idx_src: 整数序列
    • idx_tgt: 整数序列
    • corr_type: 字符串
• 分割:
  • validation: 421656 字节, 988 示例

配置 all

• 特征:
  • src_tokens: 字符串序列
  • tgt_tokens: 字符串序列
  • corrections: 列表，包含:
    • idx_src: 整数序列
    • idx_tgt: 整数序列
    • corr_type: 字符串
• 分割:
  • train: 12262815 字节, 34308 示例
  • validation: 1672795 字节, 4384 示例