fia24/filtered_annotated_100k

该数据集包含英语和法语的翻译对，每个翻译对都有一个唯一的id。数据集分为训练集、验证集和测试集，分别包含80327、10041和10041个示例。训练集、验证集和测试集的总字节数分别为4712463、579956和589599。整个数据集的下载大小为3103329字节，数据集大小为5882018字节。

原始信息汇总

数据集概述

数据特征

• id: 数据类型为字符串。
• translation: 结构化数据，包含以下字段：
  • en: 英语翻译，数据类型为字符串。
  • fr: 法语翻译，数据类型为字符串。

数据分割

• train:
  • 字节数: 4712463
  • 样本数: 80327
• val:
  • 字节数: 579956
  • 样本数: 10041
• test:
  • 字节数: 589599
  • 样本数: 10041

数据大小

• 下载大小: 3103329 字节
• 数据集大小: 5882018 字节

配置

• default:
  • train: 文件路径为 data/train-*
  • val: 文件路径为 data/val-*
  • test: 文件路径为 data/test-*