anhdungitvn/ko-corpus-cleaned-12653878

---
dataset_info:
features:
- name: text
dtype: string
splits:
- name: clean
num_bytes: 100325969043
num_examples: 12653878
- name: noisy
num_bytes: 144185494007
num_examples: 19713534
download_size: 139825706722
dataset_size: 244511463050
configs:
- config_name: default
data_files:
- split: clean
path: data/clean-*
- split: noisy
path: data/noisy-*
---

数据集信息：
特征字段：
- 字段名：text
数据类型：字符串
数据集划分：
- 划分名称：干净集（clean），字节数：100325969043，样本数：12653878
- 划分名称：带噪集（noisy），字节数：144185494007，样本数：19713534
下载大小：139825706722
数据集总大小：244511463050
配置项：
- 配置名称：默认配置（default）
数据文件：
- 划分：干净集（clean），路径：data/clean-*
- 划分：带噪集（noisy），路径：data/noisy-*

原始信息汇总

数据集概述

数据特征

• 名称: text
• 数据类型: string

数据分割

• clean:
  • 字节数: 100325969043
  • 样本数: 12653878
• noisy:
  • 字节数: 144185494007
  • 样本数: 19713534

数据大小

• 下载大小: 139825706722
• 数据集大小: 244511463050

配置

• 配置名称: default
• 数据文件:
  • clean: data/clean-*
  • noisy: data/noisy-*