KaiNylund/WMT-year-splits

---
dataset_info:
features:
- name: text
dtype: string
splits:
- name: 2012_train
num_bytes: 200226328
num_examples: 74030
- name: 2012_test
num_bytes: 10013398
num_examples: 3702
- name: 2013_train
num_bytes: 200208976
num_examples: 69560
- name: 2013_test
num_bytes: 10010872
num_examples: 3452
- name: 2014_train
num_bytes: 200195660
num_examples: 65066
- name: 2014_test
num_bytes: 10009737
num_examples: 3178
- name: 2015_train
num_bytes: 200191525
num_examples: 63260
- name: 2015_test
num_bytes: 10013285
num_examples: 3193
- name: 2016_train
num_bytes: 200182567
num_examples: 60204
- name: 2016_test
num_bytes: 10009524
num_examples: 3068
- name: 2017_train
num_bytes: 200161313
num_examples: 53757
- name: 2017_test
num_bytes: 10009727
num_examples: 2712
- name: 2018_train
num_bytes: 200168589
num_examples: 55074
- name: 2018_test
num_bytes: 10008584
num_examples: 2780
- name: 2019_train
num_bytes: 200186312
num_examples: 60742
- name: 2019_test
num_bytes: 10015645
num_examples: 3082
- name: 2020_train
num_bytes: 200181700
num_examples: 60036
- name: 2020_test
num_bytes: 10009206
num_examples: 2932
- name: 2021_train
num_bytes: 200186604
num_examples: 61717
- name: 2021_test
num_bytes: 10021254
num_examples: 3001
download_size: 1325315435
dataset_size: 2102010806
license: cc0-1.0
---
# Dataset Card for "WMT-year-splits"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征：
- 名称：text，数据类型：字符串
数据集划分：
- 名称：2012_train，字节数：200226328，样本数：74030
- 名称：2012_test，字节数：10013398，样本数：3702
- 名称：2013_train，字节数：200208976，样本数：69560
- 名称：2013_test，字节数：10010872，样本数：3452
- 名称：2014_train，字节数：200195660，样本数：65066
- 名称：2014_test，字节数：10009737，样本数：3178
- 名称：2015_train，字节数：200191525，样本数：63260
- 名称：2015_test，字节数：10013285，样本数：3193
- 名称：2016_train，字节数：200182567，样本数：60204
- 名称：2016_test，字节数：10009524，样本数：3068
- 名称：2017_train，字节数：200161313，样本数：53757
- 名称：2017_test，字节数：10009727，样本数：2712
- 名称：2018_train，字节数：200168589，样本数：55074
- 名称：2018_test，字节数：10008584，样本数：2780
- 名称：2019_train，字节数：200186312，样本数：60742
- 名称：2019_test，字节数：10015645，样本数：3082
- 名称：2020_train，字节数：200181700，样本数：60036
- 名称：2020_test，字节数：10009206，样本数：2932
- 名称：2021_train，字节数：200186604，样本数：61717
- 名称：2021_test，字节数：10021254，样本数：3001
下载大小：1325315435 字节
数据集总大小：2102010806 字节
许可证：CC0 1.0
---
# "WMT年度划分"数据集卡片
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

• 特征:
  • 名称: text
  • 数据类型: string

数据分割

• 2012年:
  • 训练集:
    • 字节数: 200226328
    • 样本数: 74030
  • 测试集:
    • 字节数: 10013398
    • 样本数: 3702
• 2013年:
  • 训练集:
    • 字节数: 200208976
    • 样本数: 69560
  • 测试集:
    • 字节数: 10010872
    • 样本数: 3452
• 2014年:
  • 训练集:
    • 字节数: 200195660
    • 样本数: 65066
  • 测试集:
    • 字节数: 10009737
    • 样本数: 3178
• 2015年:
  • 训练集:
    • 字节数: 200191525
    • 样本数: 63260
  • 测试集:
    • 字节数: 10013285
    • 样本数: 3193
• 2016年:
  • 训练集:
    • 字节数: 200182567
    • 样本数: 60204
  • 测试集:
    • 字节数: 10009524
    • 样本数: 3068
• 2017年:
  • 训练集:
    • 字节数: 200161313
    • 样本数: 53757
  • 测试集:
    • 字节数: 10009727
    • 样本数: 2712
• 2018年:
  • 训练集:
    • 字节数: 200168589
    • 样本数: 55074
  • 测试集:
    • 字节数: 10008584
    • 样本数: 2780
• 2019年:
  • 训练集:
    • 字节数: 200186312
    • 样本数: 60742
  • 测试集:
    • 字节数: 10015645
    • 样本数: 3082
• 2020年:
  • 训练集:
    • 字节数: 200181700
    • 样本数: 60036
  • 测试集:
    • 字节数: 10009206
    • 样本数: 2932
• 2021年:
  • 训练集:
    • 字节数: 200186604
    • 样本数: 61717
  • 测试集:
    • 字节数: 10021254
    • 样本数: 3001

数据集大小

• 下载大小: 1325315435 字节
• 数据集大小: 2102010806 字节

许可证

• 许可证: cc0-1.0