thanhduycao/soict_train_dataset

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
dataset_info:
features:
- name: id
dtype: string
- name: sentence
dtype: string
- name: intent
dtype: string
- name: sentence_annotation
dtype: string
- name: entities
list:
- name: type
dtype: string
- name: filler
dtype: string
- name: file
dtype: string
- name: audio
struct:
- name: array
sequence: float64
- name: path
dtype: string
- name: sampling_rate
dtype: int64
- name: origin_transcription
dtype: string
- name: sentence_norm
dtype: string
- name: sentence_norm_v2
dtype: string
splits:
- name: train
num_bytes: 3484626224
num_examples: 6729
- name: test
num_bytes: 390303091
num_examples: 748
download_size: 918877822
dataset_size: 3874929315
---
# Dataset Card for "soict_train_dataset"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

配置项：
- 配置名称：default
数据文件：
- 拆分集：train，路径为 data/train-*
- 拆分集：test，路径为 data/test-*
数据集信息：
特征字段：
- 名称：id，数据类型：字符串
- 名称：sentence，数据类型：字符串
- 名称：intent，数据类型：字符串
- 名称：sentence_annotation，数据类型：字符串
- 名称：entities，为列表类型，包含子字段：
- 名称：type，数据类型：字符串
- 名称：filler，数据类型：字符串
- 名称：file，数据类型：字符串
- 名称：audio，为结构体类型，包含：
- 名称：array，数据类型：64位浮点数（float64）序列
- 名称：path，数据类型：字符串
- 名称：sampling_rate（采样率），数据类型：64位整数（int64）
- 名称：origin_transcription，数据类型：字符串
- 名称：sentence_norm，数据类型：字符串
- 名称：sentence_norm_v2，数据类型：字符串
拆分集详情：
- 名称：train，字节数：3484626224，样本数：6729
- 名称：test，字节数：390303091，样本数：748
下载大小：918877822
数据集总大小：3874929315
---
# "soict_train_dataset"数据集卡片
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集配置

• 配置名称: default
  • 数据文件:
    • 训练集: data/train-*
    • 测试集: data/test-*

数据集信息

• 特征:
  • id: 字符串类型
  • sentence: 字符串类型
  • intent: 字符串类型
  • sentence_annotation: 字符串类型
  • entities: 列表类型
    • type: 字符串类型
    • filler: 字符串类型
  • file: 字符串类型
  • audio: 结构类型
    • array: 浮点数序列
    • path: 字符串类型
    • sampling_rate: 整数类型
  • origin_transcription: 字符串类型
  • sentence_norm: 字符串类型
  • sentence_norm_v2: 字符串类型

数据集分割

• 训练集:
  • 字节数: 3484626224
  • 样本数: 6729
• 测试集:
  • 字节数: 390303091
  • 样本数: 748

数据集大小

• 下载大小: 918877822
• 数据集大小: 3874929315