thanhduycao/soict_train_dataset_filter

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
dataset_info:
features:
- name: id
dtype: string
- name: sentence
dtype: string
- name: intent
dtype: string
- name: sentence_annotation
dtype: string
- name: entities
list:
- name: type
dtype: string
- name: filler
dtype: string
- name: file
dtype: string
- name: audio
struct:
- name: array
sequence: float64
- name: path
dtype: string
- name: sampling_rate
dtype: int64
- name: origin_transcription
dtype: string
- name: sentence_norm
dtype: string
- name: sentence_norm_v2
dtype: string
- name: w2v2_large_transcription
dtype: string
- name: wer
dtype: float64
splits:
- name: train
num_bytes: 3205296038.433596
num_examples: 6184
- name: test
num_bytes: 566006350.9006286
num_examples: 1092
download_size: 902006355
dataset_size: 3771302389.3342247
---
# Dataset Card for "soict_train_dataset_filter"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

配置

• 默认配置：
  • 训练集：路径为 data/train-*
  • 测试集：路径为 data/test-*

数据特征

• id：字符串类型
• sentence：字符串类型
• intent：字符串类型
• sentence_annotation：字符串类型
• entities：列表类型，包含以下字段：
  • type：字符串类型
  • filler：字符串类型
• file：字符串类型
• audio：结构类型，包含以下字段：
  • array：浮点数序列
  • path：字符串类型
  • sampling_rate：整数类型
• origin_transcription：字符串类型
• sentence_norm：字符串类型
• sentence_norm_v2：字符串类型
• w2v2_large_transcription：字符串类型
• wer：浮点数类型

数据分割

• 训练集：
  • 字节数：3205296038.433596
  • 样本数：6184
• 测试集：
  • 字节数：566006350.9006286
  • 样本数：1092

数据大小

• 下载大小：902006355
• 数据集大小：3771302389.3342247