AfnanTS/Final_ArLAMA_DS_tokenized_for_ARBERTv2

---
license: apache-2.0
dataset_info:
features:
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: label
sequence: int64
- name: text
dtype: string
- name: arObject
dtype: string
splits:
- name: train
num_bytes: 100111371
num_examples: 14811
download_size: 1167287
dataset_size: 100111371
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

许可证：Apache-2.0
数据集信息：
特征：
- 名称：输入标识符（input_ids），类型为int32的整数序列
- 名称：注意力掩码（attention_mask），类型为int8的整数序列
- 名称：标签（label），类型为int64的整数序列
- 名称：文本（text），数据类型为字符串
- 名称：AR对象（arObject），数据类型为字符串
数据集划分：
- 划分名称：训练集（train），占用字节数：100111371，样本数量：14811
下载大小：1167287 字节
数据集总大小：100111371 字节
配置项：
- 配置名称：默认（default），数据文件：
- 划分：训练集（train），文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• input_ids: 序列类型为 int32
• attention_mask: 序列类型为 int8
• label: 序列类型为 int64
• text: 数据类型为 string
• arObject: 数据类型为 string

数据集分割

• train:
  • 字节数: 100111371
  • 示例数: 14811

数据集大小

• 下载大小: 1167287 字节
• 数据集大小: 100111371 字节

配置

• default:
  • 数据文件路径: data/train-*