vgaraujov/fapesp-v2

该数据集是一个多语言翻译数据集，支持英语、西班牙语和葡萄牙语之间的翻译。数据集包含两种配置：英语到葡萄牙语（en-pt）和西班牙语到葡萄牙语（es-pt）。每种配置都包含训练集、验证集和测试集，分别用于模型训练、验证和测试。数据集的总大小约为48MB，下载大小约为29MB。

原始信息汇总

数据集概述

语言支持

• 英语 (en)
• 西班牙语 (es)
• 葡萄牙语 (pt)

许可

• CC-BY-2.0

数据集配置

配置一：英语到葡萄牙语 (en-pt)

• 特征:
  • 翻译 (translation)
    • 语言对: 英语, 葡萄牙语
• 分割:
  • 训练集 (train):
    • 字节数: 47417503
    • 示例数: 160975
  • 验证集 (validation):
    • 字节数: 405055
    • 示例数: 1375
  • 测试集 (test):
    • 字节数: 407579
    • 示例数: 1447
• 下载大小: 29615550
• 数据集大小: 48230137

配置二：西班牙语到葡萄牙语 (es-pt)

• 特征:
  • 翻译 (translation)
    • 语言对: 西班牙语, 葡萄牙语
• 分割:
  • 训练集 (train):
    • 字节数: 47480897
    • 示例数: 158197
  • 验证集 (validation):
    • 字节数: 377101
    • 示例数: 1302
  • 测试集 (test):
    • 字节数: 400915
    • 示例数: 1379
• 下载大小: 29829573
• 数据集大小: 48258913

数据文件路径

英语到葡萄牙语 (en-pt)

• 训练集: en-pt/train-*
• 验证集: en-pt/validation-*
• 测试集: en-pt/test-*

西班牙语到葡萄牙语 (es-pt)

• 训练集: es-pt/train-*
• 验证集: es-pt/validation-*
• 测试集: es-pt/test-*