sartifyllc/Swahili-NLi-Pair

该数据集包含三个主要特征：语言、锚点和正例。数据集被分为训练集、开发集和测试集，分别包含314,315、6,808和6,831个样本。总下载大小为26,852,280字节，数据集总大小为49,285,491.5字节。

The dataset includes three main features: language, anchor, and positive. It is divided into training, development, and test sets, containing 314,315, 6,808, and 6,831 samples respectively. The total download size is 26,852,280 bytes, and the total dataset size is 49,285,491.5 bytes.

原始信息汇总

数据集概述

特征

• language: 数据类型为字符串。
• anchor: 数据类型为字符串。
• positive: 数据类型为字符串。

数据分割

• train:
  • 字节数: 47076558.5
  • 样本数: 314315
• dev:
  • 字节数: 1083167.5
  • 样本数: 6808
• test:
  • 字节数: 1125765.5
  • 样本数: 6831

数据大小

• 下载大小: 26852280 字节
• 数据集大小: 49285491.5 字节

配置

• config_name: default
  • data_files:
    • train: data/train-*
    • dev: data/dev-*
    • test: data/test-*