TingchenFu/unintentional_bilingual_data
收藏官方服务：
资源简介：
该数据集包含文本数据，主要特征包括文件编号（file_no）、文档编号（doc_no）和文本内容（text）。数据集分为两个部分：句子对齐（sent_align）和单词对齐（word_align），分别包含253528和4086499个例子。整个数据集的下载大小为5054599352字节，总大小为8971817526字节。
This dataset contains text data with main features including file number (file_no), document number (doc_no), and text content (text). The dataset is divided into two parts: sentence alignment (sent_align) and word alignment (word_align), containing 253,528 and 4,086,499 examples respectively. The total download size of the dataset is 5,054,599,352 bytes, and the total dataset size is 8,971,817,526 bytes.
提供机构：
TingchenFu原始信息汇总
数据集许可证
- 许可证类型：Apache 2.0
