fia24/annotated_100k_banel_v2

---
dataset_info:
features:
- name: id
dtype: string
- name: translation
struct:
- name: en
dtype: string
- name: fr
dtype: string
splits:
- name: train
num_bytes: 4818542
num_examples: 82226
- name: val
num_bytes: 592139
num_examples: 10278
- name: test
num_bytes: 603625
num_examples: 10278
download_size: 3187398
dataset_size: 6014306
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: val
path: data/val-*
- split: test
path: data/test-*
---

数据集信息：
特征列表：
- 特征名：id，数据类型：字符串
- 特征名：translation，为结构体类型，包含两个子特征：
- 子特征en：英语文本，数据类型：字符串
- 子特征fr：法语文本，数据类型：字符串
数据集划分：
- 划分名称：训练集（train），占用字节数：4818542，样本数量：82226
- 划分名称：验证集（val），占用字节数：592139，样本数量：10278
- 划分名称：测试集（test），占用字节数：603625，样本数量：10278
下载总大小：3187398，数据集总占用大小：6014306
配置信息：
- 配置名称：默认配置（default），对应数据文件：
- 训练集：路径为data/train-*
- 验证集：路径为data/val-*
- 测试集：路径为data/test-*

原始信息汇总

数据集概述

特征信息

• id: 数据类型为字符串。
• translation: 包含以下结构：
  • en: 英文翻译，数据类型为字符串。
  • fr: 法文翻译，数据类型为字符串。

数据分割

• train: 训练集，包含82226个样本，总字节数为4818542。
• val: 验证集，包含10278个样本，总字节数为592139。
• test: 测试集，包含10278个样本，总字节数为603625。

数据大小

• 下载大小: 3187398字节。
• 数据集大小: 6014306字节。

配置信息

• default: 配置包含以下数据文件路径：
  • train: data/train-*
  • val: data/val-*
  • test: data/test-*