HaiderSultanArc/MT-Urdu-English

该数据集包含英语和乌尔都语的文本对，主要用于机器翻译任务。数据集分为训练集和测试集，训练集包含5646138个样本，测试集包含1411535个样本。数据集的总大小为1401926035字节，下载大小为873598433字节。

This dataset contains text pairs in English and Urdu, primarily intended for machine translation tasks. It is divided into training and test sets, with the training set comprising 5,646,138 samples and the test set comprising 1,411,535 samples. The total size of the dataset is 1,401,926,035 bytes, and its download size is 873,598,433 bytes.

原始信息汇总

数据集概述

许可证

• MIT许可证

配置

• 默认配置
  • 数据文件
    • 训练集: data/train-*
    • 测试集: data/test-*

数据集信息

• 特征
  • 英文 (en): 字符串类型
  • 乌尔都语 (ur): 字符串类型
• 拆分
  • 训练集
    • 字节数: 1121540748.544574
    • 样本数: 5646138
  • 测试集
    • 字节数: 280385286.4554259
    • 样本数: 1411535
• 下载大小: 873598433
• 数据集大小: 1401926035

任务类别

• 翻译
• 文本到文本生成

语言

• 英文
• 乌尔都语

数据集名称

• English Urdu Pairs for Machine Translation

数据集大小类别

• 1M<n<10M