ConseggioLigure/seed-instruct-eng-lij

这是一个英语到利古里亚语的句子级翻译数据集，来源于OLDI Seed数据集，并已转换为指令格式。数据集中包含多种提示模板，用于指导模型将英语句子翻译成利古里亚语或热那亚方言。数据集分为训练集、开发集和测试集，分别包含5802、189和202个样本。

原始信息汇总

数据集概述

基本信息

• 许可证: cc-by-sa-4.0
• 任务类别:
  • 对话
  • 翻译
• 数据集名称: OLDI Seed eng-lij translation dataset (instruction-style)

数据集结构

• 特征:
  • inputs: 输入文本，类型为字符串
  • targets: 目标文本，类型为字符串
  • template_id: 模板ID，类型为整数
  • template_lang: 模板语言，类型为字符串序列

数据集划分

• 训练集:
  • 字节数: 2347477
  • 样本数: 5802
• 开发集:
  • 字节数: 79012
  • 样本数: 189
• 测试集:
  • 字节数: 86660
  • 样本数: 202

数据集大小

• 下载大小: 1299002 字节
• 数据集大小: 2513149 字节

配置信息

• 默认配置:
  • 数据文件路径:
    • 训练集: data/train-*
    • 开发集: data/dev-*
    • 测试集: data/test-*

数据集内容

• 语言方向: 英语到利古里亚语的句子级翻译
• 提示模板: 多种提示模板，随机采样用于每个句子
• 目标模板: 目标文本前缀为 "The Ligurian (Genoese) translation is: <sentence>"
• 模板ID对应关系:
  • 1: "Translate to Ligurian: "
  • 2: "Translate to Ligurian (Genoese): "
  • 3: "Translate to Genoese: "
  • 4: "Translate from English to Ligurian: "
  • 5: "Translate from English to Genoese: "
  • 6: "Translate from English to Ligurian (Genoese dialect): "
  • 7: "Translate this sentence to Ligurian: "
  • 8: "Translate this sentence to Genoese: "
  • 9: "What’s the Ligurian translation of this sentence? "
  • 10: "What’s the Genoese translation of this sentence? "
  • 11: "Can you translate this text to Ligurian? "

样本数量

• 训练样本: 5802
• 验证样本: 189
• 测试样本: 202