alvations/c4p0-v1-de-en

---
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: 18411738
num_examples: 15146
download_size: 7768565
dataset_size: 18411738
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

dataset_info: 数据集元信息
features: 特征列表
- name: source（源文本）
dtype: string（字符串类型）
- name: target（目标文本）
dtype: string（字符串类型）
- name: target_backto_source（目标文本回译源语言文本）
dtype: string（字符串类型）
- name: raw_target
dtype: 列表类型
列表元素结构体：
- name: generated_text（生成文本）
dtype: string（字符串类型）
- name: raw_target_backto_source
dtype: 列表类型
列表元素结构体：
- name: generated_text（生成文本）
dtype: string（字符串类型）
- name: prompt（提示词）
dtype: string（字符串类型）
- name: reverse_prompt（反向提示词）
dtype: string（字符串类型）
- name: source_langid（源语言标识符）
dtype: string（字符串类型）
- name: target_langid（目标语言标识符）
dtype: string（字符串类型）
- name: target_backto_source_langid（目标文本回译源语言标识符）
dtype: string（字符串类型）
- name: doc_id（文档ID）
dtype: int64（64位整数类型）
- name: sent_id（句子ID）
dtype: int64（64位整数类型）
- name: timestamp（时间戳）
dtype: string（字符串类型）
- name: url（统一资源定位符（URL））
dtype: string（字符串类型）
- name: doc_hash（文档哈希值）
dtype: string（字符串类型）
- name: dataset（来源数据集）
dtype: string（字符串类型）
- name: source_lang（源语言）
dtype: string（字符串类型）
- name: target_lang（目标语言）
dtype: string（字符串类型）
splits: 数据集划分
- name: train（训练集）
num_bytes: 字节占用量：18411738
num_examples: 样本总数：15146
download_size: 下载大小：7768565
dataset_size: 数据集总大小：18411738
configs: 配置项
- config_name: default（默认配置）
data_files: 数据文件
- split: train（训练集划分）
path: data/train-*（数据路径：data/train-*）

原始信息汇总

数据集概述

数据集特征

• 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 generated_text（字符串类型）
• raw_target_backto_source：列表类型，包含 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：整数类型（int64）
• sent_id：整数类型（int64）
• 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

数据集分割

• train：
  • 数据量：18411738字节
  • 示例数量：15146

数据集大小

• 下载大小：7768565字节
• 数据集大小：18411738字节

配置

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