Tippawan/netflix

该数据集包含英语和泰语之间的翻译对，数据集分为训练集、验证集和测试集。训练集包含67,224个样本，验证集和测试集各包含8,403个样本。每个样本包含一个英语字符串和一个泰语字符串。数据集的总下载大小为6,461,900字节，总数据集大小为11,751,645字节。

原始信息汇总

数据集概述

特征信息

• 名称: translation
  • 结构:
    • 名称: en
      • 数据类型: string
    • 名称: th
      • 数据类型: string

数据分割

• 训练集:
  • 字节数: 9414659
  • 样本数: 67224
• 验证集:
  • 字节数: 1173285
  • 样本数: 8403
• 测试集:
  • 字节数: 1163701
  • 样本数: 8403

数据大小

• 下载大小: 6461900 字节
• 数据集大小: 11751645 字节

配置信息

• 配置名称: default
  • 数据文件:
    • 分割: train
      • 路径: data/train-*
    • 分割: validation
      • 路径: data/validation-*
    • 分割: test
      • 路径: data/test-*