zicsx/OSCAR-2301-Hindi-Cleaned-2.0

---
dataset_info:
features:
- name: text
dtype: string
splits:
- name: train
num_bytes: 984551893.1710167
num_examples: 672393
download_size: 1465140393
dataset_size: 984551893.1710167
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
license: apache-2.0
language:
- hi
tags:
- Common Crawl
size_categories:
- 100K<n<1M
---
# Dataset Card for "OSCAR-2301-Hindi-Cleaned"

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

---
数据集信息：
特征：
- 名称：text，数据类型：字符串（string）
数据划分：
- 划分名称：训练集，占用字节数：984551893.1710167，样本数量：672393
下载大小：1465140393，数据集总大小：984551893.1710167
配置项：
- 配置名称：默认配置，数据文件：
- 对应划分：训练集，文件路径：data/train-*
许可证：Apache-2.0
使用语言：印地语
标签：
- 通用爬虫（Common Crawl）
样本规模分类：100K < n < 1M（即10万 < 样本数 < 100万）
---
# "OSCAR-2301-印地语清洗版"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

数据集信息

特征

• 名称: text
• 数据类型: string

分割

• 名称: train
• 字节数: 984551893.1710167
• 样本数: 672393

大小

• 下载大小: 1465140393
• 数据集大小: 984551893.1710167

配置

• 配置名称: default
• 数据文件:
  • 分割: train
  • 路径: data/train-*

许可

• 许可: apache-2.0

语言

• 语言: hi

标签

• 标签: Common Crawl

大小类别

• 大小类别: 100K<n<1M