shaikhsalman/sindhi-corpus-v3-enhanced-mini

--- dataset_info: features: - name: text dtype: string - name: domain dtype: string - name: source dtype: string - name: quality_score dtype: float64 - name: subdomain dtype: string splits: - name: train num_bytes: 194661211 num_examples: 102116 - name: validation num_bytes: 1986338 num_examples: 1042 - name: test num_bytes: 1986338 num_examples: 1042 download_size: 92131662 dataset_size: 198633887 configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* - split: test path: data/test-* ---数据集信息： 特征列表： - 字段名：文本（text），数据类型：字符串 - 字段名：领域（domain），数据类型：字符串 - 字段名：来源（source），数据类型：字符串 - 字段名：质量评分（quality_score），数据类型：64位浮点数（float64） - 字段名：子领域（subdomain），数据类型：字符串 数据集划分： - 划分名称：训练集（train），字节数：194661211，样本量：102116 - 划分名称：验证集（validation），字节数：1986338，样本量：1042 - 划分名称：测试集（test），字节数：1986338，样本量：1042 下载总大小：92131662字节，数据集总大小：198633887字节 数据集配置： - 配置名称：默认（default），数据文件配置： - 训练集划分：对应路径为data/train-* - 验证集划分：对应路径为data/validation-* - 测试集划分：对应路径为data/test-*