voorhs/augmented

---
dataset_info:
features:
- name: source_dataset_name
dtype: string
- name: idx_within_source
dtype: int64
- name: id
dtype: int64
- name: pos
list:
- name: augmentation
dtype: string
- name: content
list:
- name: speaker
dtype: int64
- name: utterance
dtype: string
- name: orig
struct:
- name: augmentation
dtype: 'null'
- name: content
list:
- name: speaker
dtype: int64
- name: utterance
dtype: string
splits:
- name: trivial
num_bytes: 1247109585
num_examples: 434094
- name: advanced
num_bytes: 1673023917
num_examples: 434094
- name: crazy
num_bytes: 2739979462
num_examples: 434094
download_size: 1510867343
dataset_size: 5660112964
configs:
- config_name: default
data_files:
- split: trivial
path: data/trivial-*
- split: advanced
path: data/advanced-*
- split: crazy
path: data/crazy-*
---

dataset_info: 数据集信息（dataset_info）
features:
- 字段名: 源数据集名称（source_dataset_name）
数据类型: 字符串（string）
- 字段名: 源数据集内索引（idx_within_source）
数据类型: 64位整型（int64）
- 字段名: 样本编号（id）
数据类型: 64位整型（int64）
- 字段名: 位置信息（pos）
数据类型: 列表（list）
列表项:
- 字段名: 数据增强方式（augmentation）
数据类型: 字符串（string）
- 字段名: 内容（content）
数据类型: 列表（list）
列表项:
- 字段名: 说话人编号（speaker）
数据类型: 64位整型（int64）
- 字段名: 话语内容（utterance）
数据类型: 字符串（string）
- 字段名: 原始样本（orig）
数据类型: 结构体（struct）
结构体成员:
- 字段名: 数据增强方式（augmentation）
数据类型: 空值（null）
- 字段名: 内容（content）
数据类型: 列表（list）
列表项:
- 字段名: 说话人编号（speaker）
数据类型: 64位整型（int64）
- 字段名: 话语内容（utterance）
数据类型: 字符串（string）
splits:
- 划分名称: 基础划分（trivial）
字节数: 1247109585
样本数量: 434094
- 划分名称: 进阶划分（advanced）
字节数: 1673023917
样本数量: 434094
- 划分名称: 极端划分（crazy）
字节数: 2739979462
样本数量: 434094
下载大小: 1510867343
总数据集大小: 5660112964
configs:
- 配置名称: 默认配置（default）
数据文件:
- 对应划分: 基础划分（trivial）
路径: data/trivial-*
- 对应划分: 进阶划分（advanced）
路径: data/advanced-*
- 对应划分: 极端划分（crazy）
路径: data/crazy-*

原始信息汇总

数据集概述

数据集信息

特征

• source_dataset_name: 数据类型为字符串。
• idx_within_source: 数据类型为整数64位。
• id: 数据类型为整数64位。
• pos: 包含以下子特征：
  • augmentation: 数据类型为字符串。
  • content: 包含以下子特征：
    • speaker: 数据类型为整数64位。
    • utterance: 数据类型为字符串。
• orig: 包含以下子特征：
  • augmentation: 数据类型为空。
  • content: 包含以下子特征：
    • speaker: 数据类型为整数64位。
    • utterance: 数据类型为字符串。

数据分割

• trivial: 字节数为1247109585，示例数为434094。
• advanced: 字节数为1673023917，示例数为434094。
• crazy: 字节数为2739979462，示例数为434094。

数据大小

• 下载大小: 1510867343字节。
• 数据集大小: 5660112964字节。

配置

• default: 包含以下数据文件：
  • trivial: 路径为data/trivial-*。
  • advanced: 路径为data/advanced-*。
  • crazy: 路径为data/crazy-*。