HaiderSultanArc/MT-Urdu-English

该数据集包含英语和乌尔都语的文本对，主要用于机器翻译任务。数据集分为训练集和测试集，训练集包含5646138个样本，测试集包含1411535个样本。数据集的总大小为1401926035字节，下载大小为873598433字节。

原始信息汇总

数据集概述

许可证

• MIT许可证

配置

• 默认配置
  • 数据文件
    • 训练集: data/train-*
    • 测试集: data/test-*

数据集信息

• 特征
  • 英文 (en): 字符串类型
  • 乌尔都语 (ur): 字符串类型
• 拆分
  • 训练集
    • 字节数: 1121540748.544574
    • 样本数: 5646138
  • 测试集
    • 字节数: 280385286.4554259
    • 样本数: 1411535
• 下载大小: 873598433
• 数据集大小: 1401926035

任务类别

• 翻译
• 文本到文本生成

语言

• 英文
• 乌尔都语

数据集名称

• English Urdu Pairs for Machine Translation

数据集大小类别

• 1M<n<10M