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。