laurentiubp/catalan-translate-en-ca

该数据集包含三个主要特征：消息、类别和方向。消息特征是一个列表，包含内容和角色两个子特征。数据集分为训练集和测试集，训练集包含367,614个样本，测试集包含7,503个样本。数据集的下载大小为220,014,646字节，总大小为411,470,452字节。

The dataset contains three main features: messages, category, and direction. The messages feature is a list containing two sub-features: content and role. The dataset is divided into a training set and a test set, with the training set containing 367,614 samples and the test set containing 7,503 samples. The download size of the dataset is 220,014,646 bytes, and the total size is 411,470,452 bytes.

原始信息汇总

数据集概述

数据集特征

• messages: 包含以下子特征
  • content: 数据类型为字符串
  • role: 数据类型为字符串
• category: 数据类型为字符串
• direction: 数据类型为字符串

数据集划分

• train:
  • 字节数: 403240318.99788064
  • 样本数: 367614
• test:
  • 字节数: 8230133.002119339
  • 样本数: 7503

数据集大小

• 下载大小: 220014646 字节
• 总大小: 411470452.0 字节

配置

• config_name: default
  • data_files:
    • train: 路径为 data/train-*
    • test: 路径为 data/test-*