joaosanches/subtitles_test_set

---
dataset_info:
features:
- name: id
dtype: string
- name: meta
struct:
- name: year
dtype: uint32
- name: imdbId
dtype: uint32
- name: subtitleId
struct:
- name: pt
dtype: uint32
- name: pt_br
dtype: uint32
- name: sentenceIds
struct:
- name: pt
sequence: uint32
- name: pt_br
sequence: uint32
- name: inputs
dtype: string
- name: targets
dtype: string
splits:
- name: train
num_bytes: 3722834.818439022
num_examples: 31746
download_size: 2921991
dataset_size: 3722834.818439022
---
# Dataset Card for "subtitles_test_set"

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

### 数据集信息
#### 特征项
1. **id**：数据类型为字符串（string）
2. **meta**：结构体字段，包含以下子项：
- **year**：年份，数据类型为无符号32位整数（uint32）
- **imdbId**：IMDb编号，数据类型为无符号32位整数（uint32）
- **subtitleId**：字幕ID结构体，包含：
- **pt**：葡萄牙语字幕编号，数据类型为无符号32位整数（uint32）
- **pt_br**：巴西葡萄牙语字幕编号，数据类型为无符号32位整数（uint32）
- **sentenceIds**：句子ID结构体，包含：
- **pt**：葡萄牙语句子ID序列，元素类型为无符号32位整数（uint32）
- **pt_br**：巴西葡萄牙语句子ID序列，元素类型为无符号32位整数（uint32）
3. **inputs**：输入文本，数据类型为字符串
4. **targets**：目标文本，数据类型为字符串

#### 数据集拆分
- 训练集（train）：字节大小为3722834.818439022，样本总数为31746

#### 统计参数
下载大小：2921991
数据集总大小：3722834.818439022

---

# 「subtitles_test_set」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

• id: 数据类型为字符串。
• meta: 结构化数据，包含以下字段：
  • year: 数据类型为无符号32位整数。
  • imdbId: 数据类型为无符号32位整数。
  • subtitleId: 结构化数据，包含以下字段：
    • pt: 数据类型为无符号32位整数。
    • pt_br: 数据类型为无符号32位整数。
  • sentenceIds: 结构化数据，包含以下字段：
    • pt: 数据类型为无符号32位整数序列。
    • pt_br: 数据类型为无符号32位整数序列。
• inputs: 数据类型为字符串。
• targets: 数据类型为字符串。

数据分割

• train: 包含31746个样本，总字节数为3722834.818439022。

数据集大小

• 下载大小: 2921991字节。
• 数据集大小: 3722834.818439022字节。