bot-yaya/undl_ar2en_aligned

--- dataset_info: features: - name: record dtype: string - name: clean_para_index_set_pair dtype: string - name: src dtype: string - name: dst dtype: string - name: src_text dtype: string - name: dst_text dtype: string - name: src_rate dtype: float64 - name: dst_rate dtype: float64 splits: - name: train num_bytes: 12012712129 num_examples: 15217906 download_size: 0 dataset_size: 12012712129 configs: - config_name: default data_files: - split: train path: data/train-* --- # Dataset Card for "undl_ar2en_aligned" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)数据集信息： 特征字段： - 名称：record，数据类型：字符串 - 名称：clean_para_index_set_pair，数据类型：字符串 - 名称：源文本（src），数据类型：字符串 - 名称：目标文本（dst），数据类型：字符串 - 名称：源文本内容（src_text），数据类型：字符串 - 名称：目标文本内容（dst_text），数据类型：字符串 - 名称：源文本评分（src_rate），数据类型：float64 - 名称：目标文本评分（dst_rate），数据类型：float64 数据拆分： - 名称：训练集（train），字节大小：12012712129，样本数量：15217906 下载大小：0 数据集总大小：12012712129 配置项： - 配置名称：默认（default），数据文件： - 数据拆分：训练集（train），文件路径：data/train-* # 「undl_ar2en_aligned」数据集卡片 [需补充更多信息](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

数据集信息

• 特征列表：

  • record：字符串类型
  • clean_para_index_set_pair：字符串类型
  • src：字符串类型
  • dst：字符串类型
  • src_text：字符串类型
  • dst_text：字符串类型
  • src_rate：浮点数类型（float64）
  • dst_rate：浮点数类型（float64）

• 数据分割：

  • train：
    • 字节数：12012712129
    • 样本数：15217906

• 数据集大小：

  • 下载大小：0
  • 数据集大小：12012712129

配置信息

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