likhith231/wmt_en_ro_7000

该数据集包含英语和罗马尼亚语之间的翻译对，分为训练集、验证集和测试集。训练集包含5000个样本，验证集和测试集各包含1000个样本。每个样本由两个字段组成，分别表示英语和罗马尼亚语的翻译。

This dataset contains translation pairs between English and Romanian, and is partitioned into training, validation, and test sets. The training set comprises 5000 samples, while the validation and test sets each contain 1000 samples. Each sample consists of two fields, which respectively represent the English and Romanian translations.

原始信息汇总

数据集概述

数据特征

• translation
  • en: 数据类型为字符串（string）
  • ro: 数据类型为字符串（string）

数据划分

• train
  • 字节数: 735075
  • 样本数: 5000
• validation
  • 字节数: 283467
  • 样本数: 1000
• test
  • 字节数: 274013
  • 样本数: 1000

数据集大小

• 下载大小: 704483 字节
• 数据集大小: 1292555 字节

配置信息

• default
  • train: 文件路径为 data/train-*
  • validation: 文件路径为 data/validation-*
  • test: 文件路径为 data/test-*