VanoInvestigations/BOE_with_BERTIN_for_tokenize_2045

该数据集主要包含西班牙语文本数据，分为三个主要特征：boe_text_cleaned、tweet_text_cleaned和text，均为字符串类型。数据集包括训练集、验证集和测试集，分别包含2867、392和389个样本。数据集总大小为100456413字节，下载大小为44398934字节。

This dataset primarily contains Spanish text data, divided into three main features: boe_text_cleaned, tweet_text_cleaned, and text, all of which are of string type. The dataset includes training, validation, and test sets, containing 2867, 392, and 389 samples respectively. The total size of the dataset is 100456413 bytes, with a download size of 44398934 bytes.

原始信息汇总

数据集概述

数据集配置

• 配置名称: default
• 数据文件:
  • 训练集: data/train-*
  • 验证集: data/validation-*
  • 测试集: data/test-*

数据集特征

• 特征名称:
  • boe_text_cleaned (类型: string)
  • tweet_text_cleaned (类型: string)
  • text (类型: string)

数据集分割

• 训练集:
  • 字节数: 81243274
  • 样本数: 2867
• 验证集:
  • 字节数: 8940533
  • 样本数: 392
• 测试集:
  • 字节数: 10272606
  • 样本数: 389

数据集大小

• 下载大小: 44398951 字节
• 数据集大小: 100456413 字节