alvations/c4p0-v2-en-es

---
dataset_info:
features:
- name: source
dtype: string
- name: target
dtype: string
- name: target_backto_source
dtype: string
- name: raw_target
list:
- name: generated_text
dtype: string
- name: raw_target_backto_source
list:
- name: generated_text
dtype: string
- name: prompt
dtype: string
- name: reverse_prompt
dtype: string
- name: source_langid
dtype: string
- name: target_langid
dtype: string
- name: target_backto_source_langid
dtype: string
- name: doc_id
dtype: int64
- name: sent_id
dtype: int64
- name: timestamp
dtype: string
- name: url
dtype: string
- name: doc_hash
dtype: string
- name: dataset
dtype: string
- name: source_lang
dtype: string
- name: target_lang
dtype: string
splits:
- name: train
num_bytes: 51358284
num_examples: 41020
download_size: 23791196
dataset_size: 51358284
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 名称：源文本（source），数据类型：字符串（string）
- 名称：目标文本（target），数据类型：字符串
- 名称：源文本回溯翻译结果（target_backto_source），数据类型：字符串
- 名称：原始目标生成结果（raw_target），类型为列表，其元素为：
- 名称：生成文本（generated_text），数据类型：字符串
- 名称：原始源回溯生成结果（raw_target_backto_source），类型为列表，其元素为：
- 名称：生成文本（generated_text），数据类型：字符串
- 名称：提示词（prompt），数据类型：字符串
- 名称：反向提示词（reverse_prompt），数据类型：字符串
- 名称：源语言标识符（source_langid），数据类型：字符串
- 名称：目标语言标识符（target_langid），数据类型：字符串
- 名称：源回溯翻译目标语言标识符（target_backto_source_langid），数据类型：字符串
- 名称：文档ID（doc_id），数据类型：64位整数（int64）
- 名称：句子ID（sent_id），数据类型：64位整数
- 名称：时间戳（timestamp），数据类型：字符串
- 名称：统一资源定位符（url），数据类型：字符串
- 名称：文档哈希值（doc_hash），数据类型：字符串
- 名称：数据集来源标识（dataset），数据类型：字符串
- 名称：源语言（source_lang），数据类型：字符串
- 名称：目标语言（target_lang），数据类型：字符串
数据集划分：
- 名称：训练集（train），占用字节数：51358284，样本总数：41020
下载大小：23791196
数据集总存储大小：51358284
配置项：
- 配置名称：默认（default），数据文件配置：
- 划分集：训练集，文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• source：数据类型为字符串。
• target：数据类型为字符串。
• target_backto_source：数据类型为字符串。
• raw_target：包含一个名为generated_text的子特征，数据类型为字符串。
• raw_target_backto_source：包含一个名为generated_text的子特征，数据类型为字符串。
• prompt：数据类型为字符串。
• reverse_prompt：数据类型为字符串。
• source_langid：数据类型为字符串。
• target_langid：数据类型为字符串。
• target_backto_source_langid：数据类型为字符串。
• doc_id：数据类型为整数。
• sent_id：数据类型为整数。
• timestamp：数据类型为字符串。
• url：数据类型为字符串。
• doc_hash：数据类型为字符串。
• dataset：数据类型为字符串。
• source_lang：数据类型为字符串。
• target_lang：数据类型为字符串。

数据集分割

• train：包含41020个示例，总大小为51358284字节。

数据集大小

• 下载大小：23791196字节。
• 数据集总大小：51358284字节。

配置

• config_name：default
• data_files：
  • split：train
  • path：data/train-*