39 lines
3.4 KiB
Markdown
39 lines
3.4 KiB
Markdown
# Аудит датасета: data/labels.csv
|
||
строк в CSV: 3286
|
||
строк после подготовки: 3742 (train 3097 / test 645)
|
||
источники: {'kinozal': 97, 'rutracker': 2038, 'nnm': 1607}
|
||
уникальных нормализованных текстов: 2327
|
||
групп (релиз ∪ одинаковый текст): 492
|
||
удалено: пустой текст 0, мусорный studio 16, не-озвучка (оригинал/субтитры) 2, противоречивые дубли 0 (групп-противоречий: 0)
|
||
спан автора найден: 2745 (73.4%), не найден: 11
|
||
аугментировано морфологических вариантов: 458
|
||
дорожек 18+: 164 (из них без упоминания «18» в тексте: 2)
|
||
|
||
## Распределение translation_type
|
||
- проф. многоголосый: 1267
|
||
- проф. дубляж: 941
|
||
- авт. одноголосый: 654
|
||
- проф. двухголосый: 334
|
||
- одноголосый: 232
|
||
- неизвестно: 116
|
||
- люб. многоголосый: 90
|
||
- многоголосый: 46
|
||
- люб. двухголосый: 26
|
||
- люб. одноголосый: 23
|
||
- двухголосый: 6
|
||
- проф. одноголосый: 5
|
||
- авт. многоголосый: 1
|
||
- авт. двухголосый: 1
|
||
|
||
## Спан не найден (примеры)
|
||
- [rutracker] studio=«datynet; : Куценко» text=«Одноголосый закадровый datynet; перевод: Куценко»
|
||
- [rutracker] studio=«datynet и Yuka_chan; :Куценко» text=«Любительский (двухголосый закадровый) datynet и Yuka_chan; перевод:Куц»
|
||
- [rutracker] studio=«Дубляж, Blu-ray CEE_ _2009г» text=«Профессиональный (дублированный) |Дубляж, Blu-ray CEE_[МОСФИЛЬМ]_2009г»
|
||
- [rutracker] studio=«AC3, 6ch , 448 кбит/с Ист-Вест *» text=«Русский (Дублированный), AC3, 6ch (L, C, R, Ls, Rs +LFE), 448 кбит/с |»
|
||
- [rutracker] studio=«R5, - Карусель, - Пучков ака Гоблин, - Гаврилов, - Горчаков, - Живов» text=«Многоголосый закадровый - R5, Многоголосый закадровый - Карусель, Авто»
|
||
- [rutracker] studio=«ТК Россия, / озвучен в 2009 году» text=«Профессиональный (многоголосый закадровый) |ТК Россия, (Илья Хвостиков»
|
||
- [rutracker] studio=«den904 & DeadSno Janetta» text=«Любительский (двухголосый закадровый) den904 & DeadSno перевод Janetta»
|
||
- [rutracker] studio=«студия Кадр , по заказу РТР, 1995 г» text=«Профессиональный (дублированный): студия "Кадр" (при уч. студии "Нота"»
|
||
- [nnm] studio=«Колобок , по переводу Куценко, с ненормативной лексикой» text=«AC3, 2 ch, 192 Kbps - русский (DVO Колобок (DeadSno & den904), по пере»
|
||
- [nnm] studio=«BDАмальгама» text=«Opus, 6 ch, 325 Kbps - Русский (DUB, BD"Амальгама")»
|
||
- [nnm] studio=«Red Head Sound) - серии 1-4 , серия 5» text=«AC3, 6 ch, 640 Kbps, AC3, 2 ch, 384 Kbps - русский (DUB, Red Head Soun» |