mbzuai-ugrip-statement-tuning/wikilingual_dataset

---
dataset_info:
- config_name: ar
features:
- name: statement
dtype: string
- name: is_true
dtype: int64
splits:
- name: train
num_bytes: 78835798
num_examples: 19992
- name: test
num_bytes: 22603018
num_examples: 5710
- name: validation
num_bytes: 11699984
num_examples: 2859
download_size: 55016246
dataset_size: 113138800
- config_name: cs
features:
- name: statement
dtype: string
- name: is_true
dtype: int64
splits:
- name: train
num_bytes: 13755128
num_examples: 4872
- name: test
num_bytes: 3987234
num_examples: 1388
- name: validation
num_bytes: 2027897
num_examples: 694
download_size: 12278025
dataset_size: 19770259
- config_name: de
features:
- name: statement
dtype: string
- name: is_true
dtype: int64
splits:
- name: train
num_bytes: 111120342
num_examples: 39505
- name: test
num_bytes: 31645714
num_examples: 11266
- name: validation
num_bytes: 16044654
num_examples: 5643
download_size: 91605353
dataset_size: 158810710
- config_name: en
features:
- name: statement
dtype: string
- name: is_true
dtype: int64
splits:
- name: train
num_bytes: 226577311
num_examples: 95517
- name: test
num_bytes: 64803932
num_examples: 27489
- name: validation
num_bytes: 31557766
num_examples: 13340
download_size: 187540487
dataset_size: 322939009
- config_name: es
features:
- name: statement
dtype: string
- name: is_true
dtype: int64
splits:
- name: train
num_bytes: 207290482
num_examples: 76295
- name: test
num_bytes: 59159958
num_examples: 21726
- name: validation
num_bytes: 29343897
num_examples: 10903
download_size: 168819902
dataset_size: 295794337
- config_name: fr
features:
- name: statement
dtype: string
- name: is_true
dtype: int64
splits:
- name: train
num_bytes: 131307590
num_examples: 43423
- name: test
num_bytes: 37650363
num_examples: 12405
- name: validation
num_bytes: 19134728
num_examples: 6193
download_size: 104835955
dataset_size: 188092681
- config_name: hi
features:
- name: statement
dtype: string
- name: is_true
dtype: int64
splits:
- name: train
num_bytes: 42125265
num_examples: 6724
- name: test
num_bytes: 11928766
num_examples: 1934
- name: validation
num_bytes: 5950961
num_examples: 961
download_size: 22000298
dataset_size: 60004992
- config_name: id
features:
- name: statement
dtype: string
- name: is_true
dtype: int64
splits:
- name: train
num_bytes: 89991732
num_examples: 32228
- name: test
num_bytes: 25474710
num_examples: 9183
- name: validation
num_bytes: 12908653
num_examples: 4596
download_size: 66860022
dataset_size: 128375095
- config_name: it
features:
- name: statement
dtype: string
- name: is_true
dtype: int64
splits:
- name: train
num_bytes: 90564164
num_examples: 34085
- name: test
num_bytes: 25027698
num_examples: 9643
- name: validation
num_bytes: 13009829
num_examples: 4850
download_size: 76549696
dataset_size: 128601691
- config_name: ja
features:
- name: statement
dtype: string
- name: is_true
dtype: int64
splits:
- name: train
num_bytes: 26722752
num_examples: 8657
- name: test
num_bytes: 7486182
num_examples: 2480
- name: validation
num_bytes: 3776807
num_examples: 1226
download_size: 19662592
dataset_size: 37985741
- config_name: ko
features:
- name: statement
dtype: string
- name: is_true
dtype: int64
splits:
- name: train
num_bytes: 25644732
num_examples: 8370
- name: test
num_bytes: 7338405
num_examples: 2396
- name: validation
num_bytes: 3725312
num_examples: 1188
download_size: 19924708
dataset_size: 36708449
- config_name: nl
features:
- name: statement
dtype: string
- name: is_true
dtype: int64
splits:
- name: train
num_bytes: 57667353
num_examples: 21345
- name: test
num_bytes: 16308971
num_examples: 6105
- name: validation
num_bytes: 8469713
num_examples: 3058
download_size: 46941987
dataset_size: 82446037
- config_name: pt
features:
- name: statement
dtype: string
- name: is_true
dtype: int64
splits:
- name: train
num_bytes: 133762660
num_examples: 54673
- name: test
num_bytes: 37597103
num_examples: 15513
- name: validation
num_bytes: 19078586
num_examples: 7782
download_size: 112476846
dataset_size: 190438349
- config_name: ru
features:
- name: statement
dtype: string
- name: is_true
dtype: int64
splits:
- name: train
num_bytes: 159815066
num_examples: 35313
- name: test
num_bytes: 44723119
num_examples: 9962
- name: validation
num_bytes: 23073892
num_examples: 4984
download_size: 108174088
dataset_size: 227612077
- config_name: th
features:
- name: statement
dtype: string
- name: is_true
dtype: int64
splits:
- name: train
num_bytes: 58322612
num_examples: 10058
- name: test
num_bytes: 16314960
num_examples: 2876
- name: validation
num_bytes: 8399305
num_examples: 1437
download_size: 31485399
dataset_size: 83036877
- config_name: tr
features:
- name: statement
dtype: string
- name: is_true
dtype: int64
splits:
- name: train
num_bytes: 7478975
num_examples: 3052
- name: test
num_bytes: 1910033
num_examples: 874
- name: validation
num_bytes: 1087816
num_examples: 438
download_size: 5797350
dataset_size: 10476824
- config_name: vi
features:
- name: statement
dtype: string
- name: is_true
dtype: int64
splits:
- name: train
num_bytes: 46057065
num_examples: 13262
- name: test
num_bytes: 13334345
num_examples: 3789
- name: validation
num_bytes: 6748152
num_examples: 1892
download_size: 32699091
dataset_size: 66139562
- config_name: zh
features:
- name: statement
dtype: string
- name: is_true
dtype: int64
splits:
- name: train
num_bytes: 26220972
num_examples: 12523
- name: test
num_bytes: 7528716
num_examples: 3584
- name: validation
num_bytes: 3937124
num_examples: 1797
download_size: 24396568
dataset_size: 37686812
configs:
- config_name: ar
data_files:
- split: train
path: ar/train-*
- split: test
path: ar/test-*
- split: validation
path: ar/validation-*
- config_name: cs
data_files:
- split: train
path: cs/train-*
- split: test
path: cs/test-*
- split: validation
path: cs/validation-*
- config_name: de
data_files:
- split: train
path: de/train-*
- split: test
path: de/test-*
- split: validation
path: de/validation-*
- config_name: en
data_files:
- split: train
path: en/train-*
- split: test
path: en/test-*
- split: validation
path: en/validation-*
- config_name: es
data_files:
- split: train
path: es/train-*
- split: test
path: es/test-*
- split: validation
path: es/validation-*
- config_name: fr
data_files:
- split: train
path: fr/train-*
- split: test
path: fr/test-*
- split: validation
path: fr/validation-*
- config_name: hi
data_files:
- split: train
path: hi/train-*
- split: test
path: hi/test-*
- split: validation
path: hi/validation-*
- config_name: id
data_files:
- split: train
path: id/train-*
- split: test
path: id/test-*
- split: validation
path: id/validation-*
- config_name: it
data_files:
- split: train
path: it/train-*
- split: test
path: it/test-*
- split: validation
path: it/validation-*
- config_name: ja
data_files:
- split: train
path: ja/train-*
- split: test
path: ja/test-*
- split: validation
path: ja/validation-*
- config_name: ko
data_files:
- split: train
path: ko/train-*
- split: test
path: ko/test-*
- split: validation
path: ko/validation-*
- config_name: nl
data_files:
- split: train
path: nl/train-*
- split: test
path: nl/test-*
- split: validation
path: nl/validation-*
- config_name: pt
data_files:
- split: train
path: pt/train-*
- split: test
path: pt/test-*
- split: validation
path: pt/validation-*
- config_name: ru
data_files:
- split: train
path: ru/train-*
- split: test
path: ru/test-*
- split: validation
path: ru/validation-*
- config_name: th
data_files:
- split: train
path: th/train-*
- split: test
path: th/test-*
- split: validation
path: th/validation-*
- config_name: tr
data_files:
- split: train
path: tr/train-*
- split: test
path: tr/test-*
- split: validation
path: tr/validation-*
- config_name: vi
data_files:
- split: train
path: vi/train-*
- split: test
path: vi/test-*
- split: validation
path: vi/validation-*
- config_name: zh
data_files:
- split: train
path: zh/train-*
- split: test
path: zh/test-*
- split: validation
path: zh/validation-*
---

原始信息汇总

数据集概述

本数据集包含多种语言配置，每个配置包含训练集、测试集和验证集。以下是各语言配置的关键信息：

阿拉伯语 (ar)

• 特征:
  • statement: 字符串类型
  • is_true: 整数类型 (int64)
• 数据集大小:
  • 下载大小: 55016246 字节
  • 数据集大小: 113138800 字节
• 分割详情:
  • 训练集: 19992 个样本，78835798 字节
  • 测试集: 5710 个样本，22603018 字节
  • 验证集: 2859 个样本，11699984 字节

捷克语 (cs)

• 特征:
  • statement: 字符串类型
  • is_true: 整数类型 (int64)
• 数据集大小:
  • 下载大小: 12278025 字节
  • 数据集大小: 19770259 字节
• 分割详情:
  • 训练集: 4872 个样本，13755128 字节
  • 测试集: 1388 个样本，3987234 字节
  • 验证集: 694 个样本，2027897 字节

德语 (de)

• 特征:
  • statement: 字符串类型
  • is_true: 整数类型 (int64)
• 数据集大小:
  • 下载大小: 91605353 字节
  • 数据集大小: 158810710 字节
• 分割详情:
  • 训练集: 39505 个样本，111120342 字节
  • 测试集: 11266 个样本，31645714 字节
  • 验证集: 5643 个样本，16044654 字节

英语 (en)

• 特征:
  • statement: 字符串类型
  • is_true: 整数类型 (int64)
• 数据集大小:
  • 下载大小: 187540487 字节
  • 数据集大小: 322939009 字节
• 分割详情:
  • 训练集: 95517 个样本，226577311 字节
  • 测试集: 27489 个样本，64803932 字节
  • 验证集: 13340 个样本，31557766 字节

西班牙语 (es)

• 特征:
  • statement: 字符串类型
  • is_true: 整数类型 (int64)
• 数据集大小:
  • 下载大小: 168819902 字节
  • 数据集大小: 295794337 字节
• 分割详情:
  • 训练集: 76295 个样本，207290482 字节
  • 测试集: 21726 个样本，59159958 字节
  • 验证集: 10903 个样本，29343897 字节

法语 (fr)

• 特征:
  • statement: 字符串类型
  • is_true: 整数类型 (int64)
• 数据集大小:
  • 下载大小: 104835955 字节
  • 数据集大小: 188092681 字节
• 分割详情:
  • 训练集: 43423 个样本，131307590 字节
  • 测试集: 12405 个样本，37650363 字节
  • 验证集: 6193 个样本，19134728 字节

印地语 (hi)

• 特征:
  • statement: 字符串类型
  • is_true: 整数类型 (int64)
• 数据集大小:
  • 下载大小: 22000298 字节
  • 数据集大小: 60004992 字节
• 分割详情:
  • 训练集: 6724 个样本，42125265 字节
  • 测试集: 1934 个样本，11928766 字节
  • 验证集: 961 个样本，5950961 字节

印度尼西亚语 (id)

• 特征:
  • statement: 字符串类型
  • is_true: 整数类型 (int64)
• 数据集大小:
  • 下载大小: 66860022 字节
  • 数据集大小: 128375095 字节
• 分割详情:
  • 训练集: 32228 个样本，89991732 字节
  • 测试集: 9183 个样本，25474710 字节
  • 验证集: 4596 个样本，12908653 字节

意大利语 (it)

• 特征:
  • statement: 字符串类型
  • is_true: 整数类型 (int64)
• 数据集大小:
  • 下载大小: 76549696 字节
  • 数据集大小: 128601691 字节
• 分割详情:
  • 训练集: 34085 个样本，90564164 字节
  • 测试集: 9643 个样本，25027698 字节
  • 验证集: 4850 个样本，13009829 字节

日语 (ja)

• 特征:
  • statement: 字符串类型
  • is_true: 整数类型 (int64)
• 数据集大小:
  • 下载大小: 19662592 字节
  • 数据集大小: 37985741 字节
• 分割详情:
  • 训练集: 8657 个样本，26722752 字节
  • 测试集: 2480 个样本，7486182 字节
  • 验证集: 1226 个样本，3776807 字节

韩语 (ko)

• 特征:
  • statement: 字符串类型
  • is_true: 整数类型 (int64)
• 数据集大小:
  • 下载大小: 19924708 字节
  • 数据集大小: 36708449 字节
• 分割详情:
  • 训练集: 8370 个样本，25644732 字节
  • 测试集: 2396 个样本，7338405 字节
  • 验证集: 1188 个样本，3725312 字节

荷兰语 (nl)

• 特征:
  • statement: 字符串类型
  • is_true: 整数类型 (int64)
• 数据集大小:
  • 下载大小: 46941987 字节
  • 数据集大小: 82446037 字节
• 分割详情:
  • 训练集: 21345 个样本，57667353 字节
  • 测试集: 6105 个样本，16308971 字节
  • 验证集: 3058 个样本，8469713 字节

葡萄牙语 (pt)

• 特征:
  • statement: 字符串类型
  • is_true: 整数类型 (int64)
• 数据集大小:
  • 下载大小: 112476846 字节
  • 数据集大小: 190438349 字节
• 分割详情:
  • 训练集: 54673 个样本，133762660 字节
  • 测试集: 15513 个样本，37597103 字节
  • 验证集: 7782 个样本，19078586 字节

俄语 (ru)

• 特征:
  • statement: 字符串类型
  • is_true: 整数类型 (int64)
• 数据集大小:
  • 下载大小: 108174088 字节
  • 数据集大小: 227612077 字节
• 分割详情:
  • 训练集: 35313 个样本，159815066 字节
  • 测试集: 9962 个样本，44723119 字节
  • 验证集: 4984 个样本，23073892 字节

泰语 (th)

• 特征:
  • statement: 字符串类型
  • is_true: 整数类型 (int64)
• 数据集大小:
  • 下载大小: 31485399 字节
  • 数据集大小: 83036877 字节
• 分割详情:
  • 训练集: 10058 个样本，58322612 字节
  • 测试集: 2876 个样本，16314960 字节
  • 验证集: 1437 个样本，8399305 字节

土耳其语 (tr)

• 特征:
  • statement: 字符串类型
  • is_true: 整数类型 (int64)
• 数据集大小:
  • 下载大小: 5797350 字节
  • 数据集大小: 10476824 字节
• 分割详情:
  • 训练集: 3052 个样本，7478975 字节
  • 测试集: 874 个样本，1910033 字节
  • 验证集: 438 个样本，1087816 字节

越南语 (vi)

• 特征:
  • statement: 字符串类型
  • is_true: 整数类型 (int64)
• 数据集大小:
  • 下载大小: 32699091 字节
  • 数据集大小: 66139562 字节
• 分割详情:
  • 训练集: 13262 个样本，46057065 字节
  • 测试集: 3789 个样本，13334345 字节
  • 验证集: 1892 个样本，6748152 字节

中文 (zh)

• 特征:
  • statement: 字符串类型
  • is_true: 整数类型 (int64)
• 数据集大小:
  • 下载大小: 24396568 字节
  • 数据集大小: 37686812 字节
• 分割详情:
  • 训练集: 12523 个样本，26220972 字节
  • 测试集: 3584 个样本，7528716 字节
  • 验证集: 1797 个样本，3937124 字节