kdcyberdude/Vichaar

该数据集包含多种语言（英语、印地语、旁遮普语等）的文本数据，数据集未被打乱。数据集的特征为文本类型，数据类型为large_string。数据集包含一个训练集分割，训练集的大小为145660483118字节，包含22482876个样本。数据集的下载大小为60314135135字节，数据集总大小为145660483118字节。

This dataset includes multiple configurations and data files, with the main feature being text of type large_string. The dataset is divided into a training set, containing 22482876 samples with a total byte size of 145660483118. The dataset supports multiple languages including English, Hindi, Punjabi, and their synthetic versions.

原始信息汇总

数据集概述

配置信息

• 配置名称: default
• 数据文件:
  • 分割: train
  • 路径: data/train-*

数据集信息

• 特征:
  • 名称: text
  • 数据类型: large_string
• 分割:
  • 名称: train
  • 字节数: 145660483118
  • 样本数: 22482876
• 下载大小: 60314135135
• 数据集大小: 145660483118

其他信息

• 语言: en, hi, pa, pa_synth_guru_ds, pa_synth_latn_ds, pa_synth_it_ds
• 数据集状态: unshuffle