sanchit-gandhi/earnings22_robust_split

该数据集名为earnings22_robust，包含56873行数据，每行数据包含以下特征：source_id, audio, segment_id, sentence, start_ts, end_ts。数据集被分割为训练集、验证集和测试集，比例分别为90%、5%和5%。

原始信息汇总

数据集概述

数据集名称

• 原始数据集名称：earnings22_robust
• 分割后数据集名称：earnings22_robust_split

数据集结构

• 原始数据集

  • 特征：[source_id, audio, segment_id, sentence, start_ts, end_ts]
  • 行数：56873

• 分割后数据集

  • 训练集
    • 特征：[source_id, audio, segment_id, sentence, start_ts, end_ts]
    • 行数：51185
  • 验证集
    • 特征：[source_id, audio, segment_id, sentence, start_ts, end_ts]
    • 行数：2844
  • 测试集
    • 特征：[source_id, audio, segment_id, sentence, start_ts, end_ts]
    • 行数：2844

数据集分割详情

• 原始数据集被分割为训练集（90%）、验证集（5%）和测试集（5%）。
• 分割过程包括两次分割和合并，确保数据随机性和一致性。