five

kardosdrur/opensubtitles-no-da

收藏
Hugging Face2023-10-26 更新2024-03-04 收录
下载链接:
https://hf-mirror.com/datasets/kardosdrur/opensubtitles-no-da
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集包含从OpenSubtitles中提取的丹麦语和挪威语对齐句子,使用了基于启发式的过滤器。数据集旨在帮助丹麦基础模型项目中的句子转换器训练。

The OpenSubtitles Danish-Norwegian dataset contains aligned sentences in Danish and Norwegian, extracted from OpenSubtitles using heuristic-based filters. The dataset is intended to aid in training sentence transformers in the Danish Foundation Models project. It includes train and test splits with 1,772,983 and 443,246 examples respectively. The dataset features include link_id, da, no, and overlap, where da and no are string types and overlap is a float64 type.
提供机构:
kardosdrur
原始信息汇总

数据集概述

数据集名称

OpenSubtitles Danish-Norwegian

数据集描述

对齐的丹麦语和挪威语句子,来自OpenSubtitles,通过基于启发式的过滤器筛选。

数据集配置

  • 配置名称: default
    • 数据文件:
      • 训练集: data/train-*
      • 测试集: data/test-*

数据集信息

  • 特征:

    • link_id: 字符串类型
    • da: 字符串类型
    • no: 字符串类型
    • overlap: float64类型
  • 分割:

    • 训练集:
      • 字节数: 270499727.08648384
      • 样本数: 1772983
    • 测试集:
      • 字节数: 67624969.91351616
      • 样本数: 443246
  • 下载大小: 201396375

  • 数据集大小: 338124697.0

5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作