chronbmm/sanskrit-unsandhi-lemma-morphosyntax-tagging

---
dataset_info:
features:
- name: sentence
dtype: string
- name: unsandhied
dtype: string
splits:
- name: train
num_bytes: 124323563
num_examples: 584830
- name: validation
num_bytes: 1694637
num_examples: 8190
- name: test
num_bytes: 1711180
num_examples: 8399
download_size: 69041037
dataset_size: 127729380
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：
特征字段：
- 字段名：sentence（句子），数据类型：字符串
- 字段名：unsandhied，数据类型：字符串
数据划分：
- 划分名称：train（训练集），占用字节数：124323563，样本数量：584830
- 划分名称：validation（验证集），占用字节数：1694637，样本数量：8190
- 划分名称：test（测试集），占用字节数：1711180，样本数量：8399
下载大小：69041037，数据集总大小：127729380
配置项：
- 配置名称：default（默认配置），数据文件：
- 训练集：data/train-*
- 验证集：data/validation-*
- 测试集：data/test-*

原始信息汇总

数据集概述

数据集特征

• sentence：数据类型为字符串。
• unsandhied：数据类型为字符串。

数据集分割

• 训练集：包含584830个样本，总大小为124323563字节。
• 验证集：包含8190个样本，总大小为1694637字节。
• 测试集：包含8399个样本，总大小为1711180字节。

数据集大小

• 下载大小：69041037字节。
• 数据集总大小：127729380字节。

数据文件配置

• 默认配置：
  • 训练集路径：data/train-*
  • 验证集路径：data/validation-*
  • 测试集路径：data/test-*