damand2061/id_cannot_12K

该数据集是[cannot](https://huggingface.co/datasets/tum-nlp/cannot-dataset)数据集的印度尼西亚语翻译版本，包含了12K行的数据。翻译使用了Google Translate，并进行了人工检查和修改。数据集的特征包括前提（premise）、假设（hypothesis）和标签（label），数据类型分别为字符串和整型。数据集分为训练集和验证集，训练集包含9600个样本，验证集包含2400个样本。数据集的类别为文本分类，语言为印度尼西亚语。

This is an Indonesia-translated version of the 12K top-rows of the cannot dataset. The translation was done using Google Translate and manually rechecked with necessary modifications. The dataset includes three main features: premise, hypothesis, and label, all of which are string types. It is divided into a training set and a validation set, containing 9600 and 2400 samples respectively.

原始信息汇总

数据集概述

许可证

• 本数据集遵循 CC BY-SA 4.0 许可证。

配置

• 默认配置 (default) 包含以下数据文件：
  • 训练集 (train)：路径为 data/train-*
  • 验证集 (validation)：路径为 data/validation-*

数据集信息

• 特征：
  • premise：类型为 string
  • hypothesis：类型为 string
  • label：类型为 int64
• 拆分：
  • 训练集 (train)：
    • 字节数：1487375
    • 样本数：9600
  • 验证集 (validation)：
    • 字节数：372708
    • 样本数：2400
• 下载大小：1214303 字节
• 数据集大小：1860083 字节

任务类别

• 文本分类

语言

• 印尼语