alvations/c4p0-v1-en-de

--- dataset_info: features: - name: source dtype: string - name: target dtype: string - name: target_backto_source dtype: string - name: raw_target list: - name: generated_text dtype: string - name: raw_target_backto_source list: - name: generated_text dtype: string - name: prompt dtype: string - name: reverse_prompt dtype: string - name: source_langid dtype: string - name: target_langid dtype: string - name: target_backto_source_langid dtype: string - name: doc_id dtype: int64 - name: sent_id dtype: int64 - name: timestamp dtype: string - name: url dtype: string - name: doc_hash dtype: string - name: dataset dtype: string - name: source_lang dtype: string - name: target_lang dtype: string splits: - name: train num_bytes: 14282882 num_examples: 11920 download_size: 6534015 dataset_size: 14282882 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征字段： - 名称：source（源文本），数据类型：字符串（string） - 名称：target（目标文本），数据类型：字符串（string） - 名称：target_backto_source（目标文本回译至源语言），数据类型：字符串（string） - 名称：raw_target（原始目标文本），数据类型：列表，列表项： - 名称：generated_text（生成文本），数据类型：字符串（string） - 名称：raw_target_backto_source（原始目标文本回译至源语言），数据类型：列表，列表项： - 名称：generated_text（生成文本），数据类型：字符串（string） - 名称：prompt（提示词），数据类型：字符串（string） - 名称：reverse_prompt（反向提示词），数据类型：字符串（string） - 名称：source_langid（源语言标识符），数据类型：字符串（string） - 名称：target_langid（目标语言标识符），数据类型：字符串（string） - 名称：target_backto_source_langid（目标文本回译语言标识符），数据类型：字符串（string） - 名称：doc_id（文档ID），数据类型：64位整型（int64） - 名称：sent_id（句子ID），数据类型：64位整型（int64） - 名称：timestamp（时间戳），数据类型：字符串（string） - 名称：url（统一资源定位符），数据类型：字符串（string） - 名称：doc_hash（文档哈希值），数据类型：字符串（string） - 名称：dataset（来源数据集），数据类型：字符串（string） - 名称：source_lang（源语言），数据类型：字符串（string） - 名称：target_lang（目标语言），数据类型：字符串（string） 数据集划分： - 名称：train（训练集），字节大小：14282882，样本数量：11920 下载大小：6534015 数据集总大小：14282882 配置项： - 配置名称：default（默认配置），数据文件： - 划分集：train，路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• source：数据类型为字符串。
• target：数据类型为字符串。
• target_backto_source：数据类型为字符串。
• raw_target：包含一个名为generated_text的列表项，数据类型为字符串。
• raw_target_backto_source：包含一个名为generated_text的列表项，数据类型为字符串。
• prompt：数据类型为字符串。
• reverse_prompt：数据类型为字符串。
• source_langid：数据类型为字符串。
• target_langid：数据类型为字符串。
• target_backto_source_langid：数据类型为字符串。
• doc_id：数据类型为int64。
• sent_id：数据类型为int64。
• timestamp：数据类型为字符串。
• url：数据类型为字符串。
• doc_hash：数据类型为字符串。
• dataset：数据类型为字符串。
• source_lang：数据类型为字符串。
• target_lang：数据类型为字符串。

数据集分割

• train：包含11920个示例，总字节数为14282882。

数据集大小

• 下载大小：6534015字节。
• 数据集大小：14282882字节。

配置

• config_name：default
• data_files：
  • split：train
  • path：data/train-*