uhhlt/amharic-detox

阿姆哈拉语脱毒数据集，包含推文内容、标签和脱毒后的内容。数据集分为训练集、验证集和测试集，总共包含约777,851字节，示例数量为2,422个。Amharic detox dataset containing tweet content, label, and detoxified content. The dataset is divided into training, validation, and test sets, totaling approximately 777,851 bytes and 2,422 examples.

原始信息汇总

数据集概述

数据集名称

amharic-detox

数据集配置

• 配置名称: default

数据文件路径

• 训练集: data/train-*
• 开发集: data/dev-*
• 测试集: data/test-*

数据集特征

• 特征名称: tweet
  • 数据类型: string
• 特征名称: label
  • 数据类型: string
• 特征名称: detoxified
  • 数据类型: string

数据集划分

• 训练集
  • 字节数: 459297
  • 样本数: 1616
• 开发集
  • 字节数: 51673
  • 样本数: 180
• 测试集
  • 字节数: 267540
  • 样本数: 836

数据集大小

• 下载大小: 433939 字节
• 数据集总大小: 778510 字节