Heerak/ko_jp_parallel_dataset

---
dataset_info:
features:
- name: ko
dtype: string
- name: jp
dtype: string
- name: __index_level_0__
dtype: int64
splits:
- name: train
num_bytes: 794083720
num_examples: 3548630
- name: validation
num_bytes: 4010514
num_examples: 17833
- name: test
num_bytes: 461625
num_examples: 1982
download_size: 559459681
dataset_size: 798555859
---
# Dataset Card for "ko_jp_parallel_dataset"

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

数据集信息：
数据特征：
- 字段名：韩语（ko），数据类型：字符串
- 字段名：日语（jp），数据类型：字符串
- 字段名：__index_level_0__，数据类型：64位整数
数据集划分：
- 名称：训练集（train），字节大小：794083720，样本数量：3548630
- 名称：验证集（validation），字节大小：4010514，样本数量：17833
- 名称：测试集（test），字节大小：461625，样本数量：1982
下载总大小：559459681
数据集总占用大小：798555859

---

# "韩日平行语料数据集（ko_jp_parallel_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

数据集名称

ko_jp_parallel_dataset

数据集特征

• ko: 数据类型为字符串（string）。
• jp: 数据类型为字符串（string）。
• index_level_0: 数据类型为整数（int64）。

数据集分割

• 训练集（train）: 包含3548630个样本，总大小为794083720字节。
• 验证集（validation）: 包含17833个样本，总大小为4010514字节。
• 测试集（test）: 包含1982个样本，总大小为461625字节。

数据集大小

• 下载大小: 559459681字节。
• 数据集总大小: 798555859字节。