five

prakod/gcm_enhi_filtred_900000

收藏
Hugging Face2024-08-16 更新2024-12-14 收录
下载链接:
https://hf-mirror.com/datasets/prakod/gcm_enhi_filtred_900000
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集可能用于语言学习或语言识别任务,包含两种语言的文本数据(L1和L2),以及相关的候选翻译或转写(CM_candidates和CM_candidates_transliterated_indictrans)。此外,数据集还包含一个基于Unicode的语言识别分数(CMI_unicode_based_LID)。数据集分为训练集,包含1,170,381个样本,总大小为351,432,143字节。

This dataset is likely used for language learning or language identification tasks, containing text data in two languages (L1 and L2), along with related candidate translations or transliterations (CM_candidates and CM_candidates_transliterated_indictrans). Additionally, the dataset includes a Unicode-based language identification score (CMI_unicode_based_LID). The dataset is divided into a training set, containing 1,170,381 samples, with a total size of 351,432,143 bytes.
提供机构:
prakod
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