arbml/AraBench_dev

该数据集包含阿拉伯语和英语的文本对，每个文本对都有一个标签，表示文本的来源地（如摩洛哥、MSA、突尼斯、卡塔尔、埃及、黎巴嫩）。数据集仅包含验证集，共有42,113个样本，文件大小为5,185,593字节。

This dataset contains pairs of Arabic and English texts, with each pair having a label indicating the origin of the text (e.g., Morrocan, MSA, Tunisian, Qatari, Egyptian, Lebanese). The dataset only includes a validation split, with a total of 42,113 examples and a file size of 5,185,593 bytes.

原始信息汇总

数据集卡片

数据集描述

数据集概述

• 数据集名称: [待补充]
• 主页: [待补充]
• 仓库: [待补充]
• 论文: [待补充]
• 排行榜: [待补充]
• 联系人: [待补充]

支持的任务和排行榜

[待补充]

语言

[待补充]

数据集结构

数据实例

[待补充]

数据字段

• arabic: 字符串类型
• english: 字符串类型
• label: 类别标签
  • 类别名称:
    • 0: Morrocan
    • 1: MSA
    • 2: Tunisian
    • 3: Qatari
    • 4: Egyptian
    • 5: Lebanese

数据分割

• validation:
  • 字节数: 5185593
  • 样本数: 42113

数据集创建

策划理由

[待补充]

源数据

初始数据收集和规范化

[待补充]

源语言生产者

[待补充]

注释

注释过程

[待补充]

注释者

[待补充]

个人和敏感信息

[待补充]

使用数据的注意事项

数据集的社会影响

[待补充]

偏见的讨论

[待补充]

其他已知限制

[待补充]

附加信息

数据集策展人

[待补充]

许可信息

[待补充]

引用信息

[待补充]

贡献

感谢 @github-username 添加此数据集。