gagan3012/arabictext

---
dataset_info:
features:
- name: text
dtype: string
- name: check_char_repetition_criteria
dtype: float64
- name: check_flagged_words_criteria
dtype: float64
- name: meta_data
dtype: string
- name: __id__
dtype: int64
- name: duplicate
dtype: bool
- name: char
dtype: int64
- name: Arabic_char
dtype: int64
- name: latin_char
dtype: int64
- name: numbers_char
dtype: int64
- name: puc_char
dtype: int64
splits:
- name: train
num_bytes: 471530
num_examples: 1000
download_size: 231211
dataset_size: 471530
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "arabictext"

[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

数据集信息

特征

• text: 数据类型为字符串。
• check_char_repetition_criteria: 数据类型为浮点数（float64）。
• check_flagged_words_criteria: 数据类型为浮点数（float64）。
• meta_data: 数据类型为字符串。
• id: 数据类型为整数（int64）。
• duplicate: 数据类型为布尔值（bool）。
• char: 数据类型为整数（int64）。
• Arabic_char: 数据类型为整数（int64）。
• latin_char: 数据类型为整数（int64）。
• numbers_char: 数据类型为整数（int64）。
• puc_char: 数据类型为整数（int64）。

数据分割

• train: 包含471530字节的数据，共有1000个样本。

数据集大小

• 下载大小: 231211字节
• 数据集大小: 471530字节

配置

• default: 包含训练数据文件，路径为data/train-*。