laurentiubp/CA-EN_Parallel_Corpus

---
dataset_info:
features:
- name: ca
dtype: string
- name: en
dtype: string
- name: ca_prob
dtype: float64
- name: en_prob
dtype: float64
- name: alignment
dtype: float64
- name: Domain
dtype: string
- name: Type
dtype: string
splits:
- name: train
num_bytes: 7600497.183387095
num_examples: 30000
download_size: 5670796
dataset_size: 7600497.183387095
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征：
- 字段名：ca，存储加泰罗尼亚语文本（Catalan），数据类型：字符串
- 字段名：en，存储英语文本（English），数据类型：字符串
- 字段名：ca_prob，存储加泰罗尼亚语概率（Catalan Probability），数据类型：64位浮点数（float64）
- 字段名：en_prob，存储英语概率（English Probability），数据类型：64位浮点数（float64）
- 字段名：alignment，存储句对对齐度（Alignment），数据类型：64位浮点数（float64）
- 字段名：Domain，存储领域信息，数据类型：字符串
- 字段名：Type，存储样本类型，数据类型：字符串
数据集划分：
- 划分名称：train（训练集），字节量：7600497.183387095，样本总数：30000
下载大小（字节）：5670796
数据集总大小（字节）：7600497.183387095
配置项：
- 配置名称：default（默认配置），数据文件：
- 划分集：train（训练集），数据路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• ca: 字符串类型
• en: 字符串类型
• ca_prob: 浮点数类型
• en_prob: 浮点数类型
• alignment: 浮点数类型
• Domain: 字符串类型
• Type: 字符串类型

数据集分割

• 训练集:
  • 示例数量: 30000
  • 数据大小: 7600497.183387095 字节

数据集大小

• 下载大小: 5670796 字节
• 数据集总大小: 7600497.183387095 字节

配置

• 默认配置:
  • 训练数据路径: data/train-*