arbml/arabic_text_diacritization

该数据集包含两个主要特征：text和diaritized，均为字符串类型。数据集分为训练集、验证集和测试集，分别包含50000、2500和2500个样本。训练集大小为54247224字节，验证集大小为2646804字节，测试集大小为2766636字节。数据集的下载大小为28414596字节，总大小为59660664字节。数据文件的路径分别为：训练集路径为data/train-*，验证集路径为data/validation-*，测试集路径为data/test-*。

The dataset contains two main features: text and diaritized, both of which are of string type. The dataset is divided into training, validation, and test sets, containing 50,000, 2,500, and 2,500 samples respectively. The training set size is 54,247,224 bytes, the validation set size is 2,646,804 bytes, and the test set size is 2,766,636 bytes. The download size of the dataset is 28,414,596 bytes, and the total size is 59,660,664 bytes. The paths for the data files are: training set path is data/train-*, validation set path is data/validation-*, and test set path is data/test-*.

原始信息汇总

数据集概述

数据特征

• text: 数据类型为字符串。
• diaritized: 数据类型为字符串。

数据分割

• train: 包含50000个样本，总字节数为54247224。
• validation: 包含2500个样本，总字节数为2646804。
• test: 包含2500个样本，总字节数为2766636。

数据集大小

• 下载大小: 28414596字节。
• 总数据集大小: 59660664字节。

配置

• config_name: default
  • data_files:
    • train: 路径为data/train-*。
    • validation: 路径为data/validation-*。
    • test: 路径为data/test-*。