trajesh/language_translation_samples

---
dataset_info:
- config_name: en-fr
features:
- name: id
dtype: int64
- name: translation
dtype: string
splits:
- name: train
num_bytes: 5487.733333333334
num_examples: 52
- name: test
num_bytes: 2427.266666666667
num_examples: 23
download_size: 8073
dataset_size: 7915.0
- config_name: en-tg
features:
- name: id
dtype: int64
- name: translation
dtype: string
splits:
- name: train
num_bytes: 9343
num_examples: 121
download_size: 2594
dataset_size: 9343
- config_name: en-tm
features:
- name: id
dtype: int64
- name: translation
dtype: string
splits:
- name: train
num_bytes: 4767.738095238095
num_examples: 29
- name: test
num_bytes: 2137.2619047619046
num_examples: 13
download_size: 7382
dataset_size: 6905.0
configs:
- config_name: en-fr
data_files:
- split: train
path: en-fr/train-*
- split: test
path: en-fr/test-*
- config_name: en-tg
data_files:
- split: train
path: en-tg/train-*
- config_name: en-tm
data_files:
- split: train
path: en-tm/train-*
- split: test
path: en-tm/test-*
---

数据集信息：
- 配置名称：en-fr
数据特征：
- 字段名：id，数据类型：64位整型（int64）
- 字段名：translation，数据类型：字符串型（string）
数据划分：
- 划分名称：train，字节数：5487.733333333334，样本数量：52
- 划分名称：test，字节数：2427.266666666667，样本数量：23
下载大小：8073，数据集总大小：7915.0
- 配置名称：en-tg
数据特征：
- 字段名：id，数据类型：64位整型（int64）
- 字段名：translation，数据类型：字符串型（string）
数据划分：
- 划分名称：train，字节数：9343，样本数量：121
下载大小：2594，数据集总大小：9343
- 配置名称：en-tm
数据特征：
- 字段名：id，数据类型：64位整型（int64）
- 字段名：translation，数据类型：字符串型（string）
数据划分：
- 划分名称：train，字节数：4767.738095238095，样本数量：29
- 划分名称：test，字节数：2137.2619047619046，样本数量：13
下载大小：7382，数据集总大小：6905.0
配置列表：
- 配置名称：en-fr，数据文件：
- 数据划分：train，存储路径：en-fr/train-*
- 数据划分：test，存储路径：en-fr/test-*
- 配置名称：en-tg，数据文件：
- 数据划分：train，存储路径：en-tg/train-*
- 配置名称：en-tm，数据文件：
- 数据划分：train，存储路径：en-tm/train-*
- 数据划分：test，存储路径：en-tm/test-*

原始信息汇总

数据集概述

配置名称：en-fr

• 特征
  • 名称: id
    • 数据类型: int64
  • 名称: translation
    • 数据类型: string
• 分割
  • 名称: train
    • 字节数: 5487.733333333334
    • 样本数: 52
  • 名称: test
    • 字节数: 2427.266666666667
    • 样本数: 23
• 下载大小: 8073
• 数据集大小: 7915.0
• 数据文件
  • 分割: train
    • 路径: en-fr/train-*
  • 分割: test
    • 路径: en-fr/test-*

配置名称：en-tg

• 特征
  • 名称: id
    • 数据类型: int64
  • 名称: translation
    • 数据类型: string
• 分割
  • 名称: train
    • 字节数: 9343
    • 样本数: 121
• 下载大小: 2594
• 数据集大小: 9343
• 数据文件
  • 分割: train
    • 路径: en-tg/train-*

配置名称：en-tm

• 特征
  • 名称: id
    • 数据类型: int64
  • 名称: translation
    • 数据类型: string
• 分割
  • 名称: train
    • 字节数: 4767.738095238095
    • 样本数: 29
  • 名称: test
    • 字节数: 2137.2619047619046
    • 样本数: 13
• 下载大小: 7382
• 数据集大小: 6905.0
• 数据文件
  • 分割: train
    • 路径: en-tm/train-*
  • 分割: test
    • 路径: en-tm/test-*

搜集汇总

背景与挑战

背景概述

该数据集是一个小规模的语言翻译样本集，包含英语到法语、塔吉克语和土库曼语的平行语料，总共有238行数据，以parquet格式存储。数据集分为训练集和测试集，主要用于机器翻译任务的训练和评估，其中英语到法语子集提供了具体的句子对示例，展示了日常场景的翻译内容。