AbderrahmanSkiredj1/abbad_data
收藏Hugging Face2026-02-07 更新2026-03-29 收录
下载链接：
https://hf-mirror.com/datasets/AbderrahmanSkiredj1/abbad_data
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: text_undiac
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: char_ids
sequence:
sequence: int32
- name: type_ids
sequence:
sequence: int32
- name: v_labels
sequence:
sequence: int32
- name: n_labels
sequence:
sequence: int32
- name: s_labels
sequence:
sequence: int32
- name: tuple_labels
sequence:
sequence: int32
- name: letter_mask
sequence:
sequence: bool
- name: text_diac
dtype: string
splits:
- name: train
num_bytes: 17617932627
num_examples: 2747089
- name: validation
num_bytes: 945598189
num_examples: 147738
- name: test
num_bytes: 949117555
num_examples: 147689
download_size: 1408551461
dataset_size: 19512648371
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---
数据集信息：
特征字段：
- 名称：无变音符号文本（text_undiac），数据类型：字符串
- 名称：输入ID序列（input_ids），类型：int32序列
- 名称：注意力掩码（attention_mask），类型：int8序列
- 名称：字符ID序列（char_ids），类型：嵌套int32序列
- 名称：类型ID序列（type_ids），类型：嵌套int32序列
- 名称：动词标签序列（v_labels），类型：嵌套int32序列
- 名称：名词标签序列（n_labels），类型：嵌套int32序列
- 名称：句法标签序列（s_labels），类型：嵌套int32序列
- 名称：元组标签序列（tuple_labels），类型：嵌套int32序列
- 名称：字符掩码（letter_mask），类型：嵌套布尔值序列
- 名称：带变音符号文本（text_diac），数据类型：字符串
数据集划分：
- 划分名称：训练集（train），字节大小：17617932627，样本数量：2747089
- 划分名称：验证集（validation），字节大小：945598189，样本数量：147738
- 划分名称：测试集（test），字节大小：949117555，样本数量：147689
下载总大小：1408551461，数据集总存储大小：19512648371
配置项：
- 配置名称：默认配置（default），数据文件路径：
- 训练集：data/train-*
- 验证集：data/validation-*
- 测试集：data/test-*
提供机构：
AbderrahmanSkiredj1
