HamdanXI/arb-eng-parallel-10k-splitted-euclidean-95

该数据集包含阿拉伯语和英语的文本对，分为训练集、验证集和测试集。训练集包含5227个样本，验证集和测试集各包含1000个样本。数据集总大小为3333200字节，下载大小为1889682字节。

原始信息汇总

数据集概述

特征

• arabic: 数据类型为字符串。
• english: 数据类型为字符串。

数据分割

• train: 包含5227个样本，大小为2506374字节。
• validation: 包含1000个样本，大小为407437字节。
• test: 包含1000个样本，大小为419389字节。

数据集大小

• 下载大小: 1889682字节。
• 数据集大小: 3333200字节。

配置

• default:
  • train: 文件路径为data/train-*。
  • validation: 文件路径为data/validation-*。
  • test: 文件路径为data/test-*。