homersimpson/opensubtitles_es
收藏Hugging Face2023-12-05 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/homersimpson/opensubtitles_es
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含加泰罗尼亚语和西班牙语之间的翻译数据，涉及电影字幕的翻译。数据集的结构包括ID、元数据（如年份、IMDb ID、字幕ID和句子ID）以及翻译内容。数据集被分为训练集、验证集和测试集，分别包含240,000、30,000和30,000个示例。
该数据集包含加泰罗尼亚语和西班牙语之间的翻译数据，涉及电影字幕的翻译。数据集的结构包括ID、元数据（如年份、IMDb ID、字幕ID和句子ID）以及翻译内容。数据集被分为训练集、验证集和测试集，分别包含240,000、30,000和30,000个示例。
提供机构：
homersimpson
原始信息汇总
数据集信息
特征
- id: 数据类型为字符串。
- meta: 结构化数据，包含以下字段：
- year: 数据类型为无符号32位整数。
- imdbId: 数据类型为无符号32位整数。
- subtitleId: 结构化数据，包含以下字段：
- ca: 数据类型为无符号32位整数。
- es: 数据类型为无符号32位整数。
- sentenceIds: 结构化数据，包含以下字段：
- ca: 数据类型为无符号32位整数序列。
- es: 数据类型为无符号32位整数序列。
- translation: 数据类型为翻译，支持的语言包括：
- ca
- es
数据分割
- train: 包含240000个样本，大小为27943115.2字节。
- validation: 包含30000个样本，大小为3492889.4字节。
- test: 包含30000个样本，大小为3492889.4字节。
数据集大小
- 下载大小: 25111166字节
- 数据集大小: 34928894.0字节
配置
- default: 数据文件路径如下：
- train:
data/train-* - validation:
data/validation-* - test:
data/test-*
- train:
