mlao01/spellchecker-km-mixed

该数据集包含拼写错误的单词及其纠正后的单词。数据集分为训练集和验证集，训练集包含345,231个样本，验证集包含1,000个样本。数据集的下载大小为141,837,423字节，总大小为337,437,317字节。

This dataset contains misspelled words and their corrected versions. The dataset is divided into a training set with 345,231 examples and a validation set with 1,000 examples. The download size of the dataset is 141,837,423 bytes, and the total size is 337,437,317 bytes.

原始信息汇总

数据集概述

特征信息

• misspelled: 类型为字符串（string）
• corrected: 类型为字符串（string）

数据分割

• train:
  • 字节数: 336420474
  • 样本数: 345231
• validation:
  • 字节数: 1016843
  • 样本数: 1000

数据集大小

• 下载大小: 141837423 字节
• 数据集总大小: 337437317 字节

配置信息

• config_name: default
  • 数据文件:
    • train: data/train-*
    • validation: data/validation-*