LightFury9/CulturaX_tenglish_split2

--- dataset_info: features: - name: text dtype: string - name: translit dtype: string splits: - name: split1 num_bytes: 83350064 num_examples: 7812 - name: split2 num_bytes: 82341305 num_examples: 7812 - name: split3 num_bytes: 84618555 num_examples: 7812 - name: split4 num_bytes: 82919894 num_examples: 7812 - name: split5 num_bytes: 81493985 num_examples: 7812 - name: split6 num_bytes: 79540694 num_examples: 7812 - name: split7 num_bytes: 79787451 num_examples: 7812 - name: split8 num_bytes: 86121846 num_examples: 7816 download_size: 300940911 dataset_size: 660173794 configs: - config_name: default data_files: - split: split1 path: data/split1-* - split: split2 path: data/split2-* - split: split3 path: data/split3-* - split: split4 path: data/split4-* - split: split5 path: data/split5-* - split: split6 path: data/split6-* - split: split7 path: data/split7-* - split: split8 path: data/split8-* ---

原始信息汇总

数据集概述

特征

• text: 数据类型为字符串。
• translit: 数据类型为字符串。

数据分割

• split1: 字节数为83350064，样本数为7812。
• split2: 字节数为82341305，样本数为7812。
• split3: 字节数为84618555，样本数为7812。
• split4: 字节数为82919894，样本数为7812。
• split5: 字节数为81493985，样本数为7812。
• split6: 字节数为79540694，样本数为7812。
• split7: 字节数为79787451，样本数为7812。
• split8: 字节数为86121846，样本数为7816。

数据大小

• 下载大小: 300940911字节。
• 数据集大小: 660173794字节。

配置

• default配置包含以下数据文件：
  • split1: 路径为data/split1-*。
  • split2: 路径为data/split2-*。
  • split3: 路径为data/split3-*。
  • split4: 路径为data/split4-*。
  • split5: 路径为data/split5-*。
  • split6: 路径为data/split6-*。
  • split7: 路径为data/split7-*。
  • split8: 路径为data/split8-*。