aidouni/arabic-eou

---
dataset_info:
features:
- name: dialogue_id
dtype: string
- name: turn_id
dtype: int64
- name: text
dtype: string
- name: label
dtype: int64
- name: dialect
dtype: string
- name: source
dtype: string
- name: domain
dtype: string
splits:
- name: train
num_bytes: 8496312
num_examples: 23712
- name: validation
num_bytes: 1062039
num_examples: 2964
- name: test
num_bytes: 1062039
num_examples: 2964
download_size: 4485390
dataset_size: 10620390
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---
--> Objective: Arabic End-of-Utterance (EOU) detection (Saudi + Hams use cases)

--> Composition:

70% SADA Saudi Arabic dataset

30% synthetic Hams-style conversational data

--> Columns:

text

label

dialect

domain

source

dialogue_id

turn_id

--> Usage:
Fine-tuning an EOU classification model.

数据集信息：
特征列：
- 字段名：对话ID（dialogue_id），数据类型：字符串型
- 字段名：轮次ID（turn_id），数据类型：64位整型
- 字段名：文本（text），数据类型：字符串型
- 字段名：标签（label），数据类型：64位整型
- 字段名：方言（dialect），数据类型：字符串型
- 字段名：来源（source），数据类型：字符串型
- 字段名：领域（domain），数据类型：字符串型
数据拆分：
- 拆分名称：训练集（train），字节数：8496312，样本数：23712
- 拆分名称：验证集（validation），字节数：1062039，样本数：2964
- 拆分名称：测试集（test），字节数：1062039，样本数：2964
下载大小：4485390，总数据集大小：10620390
配置项：
- 配置名：默认配置（default）
数据文件：
- 拆分：训练集（train），路径：data/train-*
- 拆分：验证集（validation），路径：data/validation-*
- 拆分：测试集（test），路径：data/test-*

--> 任务目标：阿拉伯语语句结尾（End-of-Utterance, EOU）检测，涵盖沙特阿拉伯语与Hams两类场景用例

--> 数据集构成：
70% 源自SADA沙特阿拉伯语数据集
30% 为合成的Hams风格对话数据

--> 可用字段：
text、label、dialect、domain、source、dialogue_id、turn_id

--> 适用场景：用于微调EOU分类模型。