hpprc/alt-parallel-en-ja

该数据集是从Asian Language Treebank (ALT) Project中提取的日英对译部分。数据集包含英文（en）和日文（ja）两个字段，分为训练集（train）、验证集（validation）和测试集（test）三个部分。训练集包含18083个示例，验证集包含1000个示例，测试集包含1017个示例。数据集的总大小为6428052.775127021字节，下载大小为3977033字节。数据集的许可证为cc-by-4.0，任务类别为翻译（translation），涉及的语言为英文和日文。

原始信息汇总

数据集概述

数据集名称

• 名称：ALT
• 全称：Asian Language Treebank (ALT) Project

数据集特征

• 特征名称：en, ja
• 数据类型：string

数据集划分

• 训练集（train）
  • 示例数量：18083
  • 数据大小：5793389.111731535字节
• 验证集（validation）
  • 示例数量：1000
  • 数据大小：312612字节
• 测试集（test）
  • 示例数量：1017
  • 数据大小：322051.6633954858字节

数据集大小

• 下载大小：3977033字节
• 数据集总大小：6428052.775127021字节

数据集配置

• 配置名称：default
• 数据文件路径
  • 训练集：data/train-*
  • 验证集：data/validation-*
  • 测试集：data/test-*

许可证

• 许可证类型：cc-by-4.0

任务类别

• 翻译

支持语言

• 英语（en）
• 日语（ja）