aehrm/dtaec-lexica

---
dataset_info:
features:
- name: orig
dtype: string
- name: norm
dtype: string
- name: freq
dtype: int64
splits:
- name: train
num_bytes: 3722916.0
num_examples: 103670
- name: dev
num_bytes: 1909312.0
num_examples: 54356
- name: test
num_bytes: 1691872.0
num_examples: 48875
download_size: 5073482
dataset_size: 7324100.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: dev
path: data/dev-*
- split: test
path: data/test-*
---

The dataset includes three features: original text (orig), normalized text (norm), and frequency (freq). It is divided into train, dev, and test sets, each with detailed size and number of examples. The total download size is 5073482 bytes, and the actual size is 7324100.0 bytes. The dataset has a default configuration specifying the file paths for each split.

原始信息汇总

数据集概述

数据集特征

• orig: 数据类型为字符串（string）。
• norm: 数据类型为字符串（string）。
• freq: 数据类型为整数（int64）。

数据集分割

• 训练集（train）: 包含103670个样本，总大小为3722916字节。
• 验证集（dev）: 包含54356个样本，总大小为1909312字节。
• 测试集（test）: 包含48875个样本，总大小为1691872字节。

数据集大小

• 下载大小: 5073482字节。
• 数据集总大小: 7324100字节。

数据文件配置

• 默认配置（default）:
  • 训练集路径: data/train-*
  • 验证集路径: data/dev-*
  • 测试集路径: data/test-*