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-*