alvations/c4p0-v2-en-ru

--- dataset_info: features: - name: source dtype: string - name: target dtype: string - name: target_backto_source dtype: string - name: raw_target list: - name: generated_text dtype: string - name: raw_target_backto_source list: - name: generated_text dtype: string - name: prompt dtype: string - name: reverse_prompt dtype: string - name: source_langid dtype: string - name: target_langid dtype: string - name: target_backto_source_langid dtype: string - name: doc_id dtype: int64 - name: sent_id dtype: int64 - name: timestamp dtype: string - name: url dtype: string - name: doc_hash dtype: string - name: dataset dtype: string - name: source_lang dtype: string - name: target_lang dtype: string splits: - name: train num_bytes: 12980846 num_examples: 8690 download_size: 5760922 dataset_size: 12980846 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征字段： - 名称：source（源文本），数据类型：字符串 - 名称：target（目标文本），数据类型：字符串 - 名称：target_backto_source（源文本反向翻译结果），数据类型：字符串 - 名称：raw_target（原始目标文本集合），数据类型为列表，其子字段： - 名称：generated_text（生成文本），数据类型：字符串 - 名称：raw_target_backto_source（原始反向翻译目标文本集合），数据类型为列表，其子字段： - 名称：generated_text（生成文本），数据类型：字符串 - 名称：prompt（提示词），数据类型：字符串 - 名称：reverse_prompt（反向提示词），数据类型：字符串 - 名称：source_langid（源语言标识符），数据类型：字符串 - 名称：target_langid（目标语言标识符），数据类型：字符串 - 名称：target_backto_source_langid（反向翻译目标语言标识符），数据类型：字符串 - 名称：doc_id（文档ID），数据类型：64位整型 - 名称：sent_id（句子ID），数据类型：64位整型 - 名称：timestamp（时间戳），数据类型：字符串 - 名称：url（统一资源定位符），数据类型：字符串 - 名称：doc_hash（文档哈希值），数据类型：字符串 - 名称：dataset（数据集来源），数据类型：字符串 - 名称：source_lang（源语言），数据类型：字符串 - 名称：target_lang（目标语言），数据类型：字符串 数据集划分： - 划分名称：train（训练集），字节数：12980846，样本数量：8690 下载大小：5760922 数据集存储大小：12980846 配置项： - 配置名称：default（默认配置），数据文件： - 数据集划分：train（训练集），文件路径：data/train-*

原始信息汇总

数据集详情

特征信息

• source: 字符串类型
• target: 字符串类型
• target_backto_source: 字符串类型
• raw_target: 列表类型，包含以下字段：
  • generated_text: 字符串类型
• raw_target_backto_source: 列表类型，包含以下字段：
  • generated_text: 字符串类型
• prompt: 字符串类型
• reverse_prompt: 字符串类型
• source_langid: 字符串类型
• target_langid: 字符串类型
• target_backto_source_langid: 字符串类型
• doc_id: 64位整数类型
• sent_id: 64位整数类型
• timestamp: 字符串类型
• url: 字符串类型
• doc_hash: 字符串类型
• dataset: 字符串类型
• source_lang: 字符串类型
• target_lang: 字符串类型

数据分割

• train:
  • 字节数: 12980846
  • 样本数: 8690

数据集大小

• 下载大小: 5760922 字节
• 数据集大小: 12980846 字节

配置信息

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*