matejklemen/falko_merlin

---
license: cc-by-sa-4.0
dataset_info:
features:
- name: src_tokens
sequence: string
- name: tgt_tokens
sequence: string
- name: corrections
list:
- name: idx_src
sequence: int32
- name: idx_tgt
sequence: int32
- name: corr_type
dtype: string
splits:
- name: train
num_bytes: 6981243
num_examples: 19237
- name: validation
num_bytes: 902510
num_examples: 2503
- name: test
num_bytes: 836757
num_examples: 2337
download_size: 85667586
dataset_size: 8720510
---

许可证：CC BY-SA 4.0
数据集信息：
特征字段：
- 名称：src_tokens
序列类型：字符串（词元（Token）序列）
- 名称：tgt_tokens
序列类型：字符串（词元（Token）序列）
- 名称：corrections
列表结构：
- 名称：idx_src
序列类型：32位整数序列
- 名称：idx_tgt
序列类型：32位整数序列
- 名称：corr_type
数据类型：字符串
数据划分：
- 划分名称：train
字节数：6981243
样本数：19237
- 划分名称：validation
字节数：902510
样本数：2503
- 划分名称：test
字节数：836757
样本数：2337
下载大小：85667586
数据集总大小：8720510

原始信息汇总

数据集概述

数据集特征

• src_tokens: 字符串序列
• tgt_tokens: 字符串序列
• corrections: 列表
  • idx_src: 整数序列
  • idx_tgt: 整数序列
  • corr_type: 字符串类型

数据集分割

• 训练集
  • 字节数: 6981243
  • 示例数: 19237
• 验证集
  • 字节数: 902510
  • 示例数: 2503
• 测试集
  • 字节数: 836757
  • 示例数: 2337

数据集大小

• 下载大小: 85667586
• 数据集大小: 8720510

许可证

• cc-by-sa-4.0