SEACrowd/sea_translationese_resampled
收藏Hugging Face2024-06-18 更新2024-06-12 收录
下载链接：
https://hf-mirror.com/datasets/SEACrowd/sea_translationese_resampled
下载链接
链接失效反馈官方服务：
资源简介：
SEA Translationese vs. Natural Classification数据集是一个用于区分翻译文本和自然文本的分类数据集，支持9种东南亚语言：英语、印尼语、高棉语、老挝语、缅甸语、菲律宾语、泰语、越南语和马来语。数据集包含训练和测试集，分别包含约39.9k和51.5k个句子。标签映射为：0表示人工翻译，1表示机器翻译，2表示自然文本。该数据集旨在分析大语言模型在东南亚语言中的生成质量。
SEA Translationese vs. Natural Classification数据集是一个用于区分翻译文本和自然文本的分类数据集，支持9种东南亚语言：英语、印尼语、高棉语、老挝语、缅甸语、菲律宾语、泰语、越南语和马来语。数据集包含训练和测试集，分别包含约39.9k和51.5k个句子。标签映射为：0表示人工翻译，1表示机器翻译，2表示自然文本。该数据集旨在分析大语言模型在东南亚语言中的生成质量。
提供机构：
SEACrowd
原始信息汇总
数据集概述
数据集特征
- text：数据类型为字符串。
- label：数据类型为字符串。
- config：数据类型为字符串。
- lang：数据类型为字符串。
数据集分割
- 训练集：包含161,842个样本，总大小为56,245,055字节。
- 测试集：包含51,457个样本，总大小为38,076,758字节。
数据集大小
- 下载大小：38,371,172字节。
- 数据集总大小：94,321,813字节。
配置文件
- 默认配置：
- 训练数据路径：
data/train-* - 测试数据路径：
data/test-*
- 训练数据路径：
