aleadag/cv2_tags_tagged_generated

---
dataset_info:
features:
- name: client_id
dtype: string
- name: path
dtype: string
- name: text
dtype: string
- name: up_votes
dtype: int64
- name: down_votes
dtype: int64
- name: age
dtype: string
- name: gender
dtype: string
- name: accent
dtype: string
- name: locale
dtype: string
- name: segment
dtype: string
- name: utterance_pitch_mean
dtype: float32
- name: utterance_pitch_std
dtype: float32
- name: snr
dtype: float64
- name: c50
dtype: float64
- name: speaking_rate
dtype: string
- name: phonemes
dtype: string
- name: pitch
dtype: string
- name: noise
dtype: string
- name: reverberation
dtype: string
- name: speech_monotony
dtype: string
- name: text_description
dtype: string
splits:
- name: train
num_bytes: 1891438
num_examples: 2301
- name: test
num_bytes: 1608836
num_examples: 1950
- name: validation
num_bytes: 1605728
num_examples: 1947
- name: other
num_bytes: 15143
num_examples: 19
- name: invalidated
num_bytes: 649116
num_examples: 777
download_size: 2057153
dataset_size: 5770261
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: validation
path: data/validation-*
- split: other
path: data/other-*
- split: invalidated
path: data/invalidated-*
---

数据集信息：
特征：
- 名称：客户端ID (client_id)，数据类型：字符串
- 名称：文件路径 (path)，数据类型：字符串
- 名称：文本 (text)，数据类型：字符串
- 名称：点赞数 (up_votes)，数据类型：64位整型
- 名称：反对票 (down_votes)，数据类型：64位整型
- 名称：年龄 (age)，数据类型：字符串
- 名称：性别 (gender)，数据类型：字符串
- 名称：口音 (accent)，数据类型：字符串
- 名称：语言区域 (locale)，数据类型：字符串
- 名称：片段 (segment)，数据类型：字符串
- 名称：话语平均基频 (utterance_pitch_mean)，数据类型：单精度浮点型
- 名称：话语基频标准差 (utterance_pitch_std)，数据类型：单精度浮点型
- 名称：信噪比 (SNR)，数据类型：双精度浮点型
- 名称：C50清晰度指标 (c50)，数据类型：双精度浮点型
- 名称：说话速率 (speaking_rate)，数据类型：字符串
- 名称：音素 (phonemes)，数据类型：字符串
- 名称：基频 (pitch)，数据类型：字符串
- 名称：噪声 (noise)，数据类型：字符串
- 名称：混响 (reverberation)，数据类型：字符串
- 名称：语音单调度 (speech_monotony)，数据类型：字符串
- 名称：文本描述 (text_description)，数据类型：字符串
数据集划分：
- 划分名称：训练集 (train)，字节大小：1891438，样本数量：2301
- 划分名称：测试集 (test)，字节大小：1608836，样本数量：1950
- 划分名称：验证集 (validation)，字节大小：1605728，样本数量：1947
- 划分名称：其他集 (other)，字节大小：15143，样本数量：19
- 划分名称：无效集 (invalidated)，字节大小：649116，样本数量：777
下载大小：2057153
数据集总大小：5770261
配置项：
- 配置名称：默认配置 (default)，数据文件：
- 训练集：data/train-*
- 测试集：data/test-*
- 验证集：data/validation-*
- 其他集：data/other-*
- 无效集：data/invalidated-*

原始信息汇总

数据集概述

数据集特征

数据集包含以下特征：

• client_id: 数据类型为字符串
• path: 数据类型为字符串
• text: 数据类型为字符串
• up_votes: 数据类型为整数
• down_votes: 数据类型为整数
• age: 数据类型为字符串
• gender: 数据类型为字符串
• accent: 数据类型为字符串
• locale: 数据类型为字符串
• segment: 数据类型为字符串
• utterance_pitch_mean: 数据类型为浮点数
• utterance_pitch_std: 数据类型为浮点数
• snr: 数据类型为浮点数
• c50: 数据类型为浮点数
• speaking_rate: 数据类型为字符串
• phonemes: 数据类型为字符串
• pitch: 数据类型为字符串
• noise: 数据类型为字符串
• reverberation: 数据类型为字符串
• speech_monotony: 数据类型为字符串
• text_description: 数据类型为字符串

数据集分割

数据集分为以下几个部分：

• train: 大小为1891438字节，包含2301个样本
• test: 大小为1608836字节，包含1950个样本
• validation: 大小为1605728字节，包含1947个样本
• other: 大小为15143字节，包含19个样本
• invalidated: 大小为649116字节，包含777个样本

数据集大小

• 下载大小: 2057153字节
• 数据集总大小: 5770261字节

配置文件

数据集配置包括以下文件路径：

• train: 路径为data/train-*
• test: 路径为data/test-*
• validation: 路径为data/validation-*
• other: 路径为data/other-*
• invalidated: 路径为data/invalidated-*