alsubari/arabic-grammar-errors

---
dataset_info:
features:
- name: text
dtype: string
- name: correct_text
dtype: string
- name: label
dtype: int64
- name: tags
dtype: string
splits:
- name: train
num_bytes: 84273102
num_examples: 145901
- name: validation
num_bytes: 9383743
num_examples: 16212
download_size: 47920607
dataset_size: 93656845
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
license: mit
task_categories:
- text-classification
- token-classification
- text-generation
language:
- ar
size_categories:
- 100K<n<1M
---

数据集信息：
特征字段：
- 字段名：text（原文文本），数据类型：字符串
- 字段名：correct_text（校正文本），数据类型：字符串
- 字段名：label（分类标签），数据类型：64位整型
- 字段名：tags（标签标记），数据类型：字符串
数据集划分：
- 划分名称：训练集（train），字节占用：84273102，样本量：145901
- 划分名称：验证集（validation），字节占用：9383743，样本量：16212
下载总大小：47920607 字节
数据集总占用大小：93656845 字节
配置项：
- 配置名称：默认配置（default）
数据文件：
- 对应划分：训练集（train），文件路径：data/train-*
- 对应划分：验证集（validation），文件路径：data/validation-*
开源许可证：MIT许可证（mit）
任务类别：
- 文本分类
- Token分类（token-classification）
- 文本生成
语言：阿拉伯语（ar）
样本规模类别：100K < n < 1M（样本量介于10万至100万之间）