shaikhsalman/sindhi-corpus-v3-enhanced-mini

---
dataset_info:
features:
- name: text
dtype: string
- name: domain
dtype: string
- name: source
dtype: string
- name: quality_score
dtype: float64
- name: subdomain
dtype: string
splits:
- name: train
num_bytes: 194661211
num_examples: 102116
- name: validation
num_bytes: 1986338
num_examples: 1042
- name: test
num_bytes: 1986338
num_examples: 1042
download_size: 92131662
dataset_size: 198633887
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

数据集信息：
特征列表：
- 字段名：文本（text），数据类型：字符串
- 字段名：领域（domain），数据类型：字符串
- 字段名：来源（source），数据类型：字符串
- 字段名：质量评分（quality_score），数据类型：64位浮点数（float64）
- 字段名：子领域（subdomain），数据类型：字符串
数据集划分：
- 划分名称：训练集（train），字节数：194661211，样本量：102116
- 划分名称：验证集（validation），字节数：1986338，样本量：1042
- 划分名称：测试集（test），字节数：1986338，样本量：1042
下载总大小：92131662字节，数据集总大小：198633887字节
数据集配置：
- 配置名称：默认（default），数据文件配置：
- 训练集划分：对应路径为data/train-*
- 验证集划分：对应路径为data/validation-*
- 测试集划分：对应路径为data/test-*