NoReC: The Norwegian Review Corpus

SSH Open MarketPlace2025-07-04 更新2025-07-05 收录

自然语言处理

文本分类

数据链接：

https://marketplace.sshopencloud.eu/dataset/sCNVEE 数据链接链接失效反馈

官方服务：

资源简介：

This corpus contains reviews in different domains (e.g., literature, videogames, etc.). The corpus is available for download from the CLARINO repository.

创建时间：

2025-07-04

Thanmay/xquad-hi

跨语言问答评估

自然语言处理

该数据集包含多个特征，如id、标题、上下文、问题、答案、答案起始位置、类别、聚类、最近聚类和最近页面。这些特征以不同的数据类型存储，包括字符串、整数序列和结构化数据。数据集仅包含一个验证集，大小为36745196字节，包含1190个示例。数据集的下载大小为1189437字节。

Hugging Face2024-06-28 更新190

bloyal/small-uniref30

自然语言处理

掩码填充

--- license: cc-by-4.0 dataset_info: features: - name: id dtype: int64 - name: num dtype: int64 - name: text dtype: string splits: - name: train num_bytes: 1067207.07039336

Hugging Face2023-05-04 更新80

PubmedQA_artificial_dpo_valid_140

生物信息学

自然语言处理

该数据集包含四个字段：response_j、response_k、prompts_with_hint和question，均为字符串类型。数据集被划分为训练集，共有140个样本，大小为1894280字节。数据集的下载大小为855995字节。

Hugging Face2025-11-10 更新50

Sindhi语言大型语料库

Sindhi语

自然语言处理

本研究为资源匮乏的Sindhi语言开发了一个包含超过6100万单词的大型语料库。该语料库通过网络爬虫从多个网络资源中收集，并经过精心预处理以过滤噪声文本。语料库的创建解决了Sindhi语言在自然语言处理（NLP）领域缺乏大规模未标注语料的问题，为训练神经词嵌入提供了基础。此外，本研究还利用了GloVe、Skip-Gram和Continuous Bag of Words等先进的词2vec算法来生成S

arXiv2020-12-30 更新160

freococo/myanmar-written-corpus

缅甸语

自然语言处理

缅甸书面语料库是一个包含高质量缅甸书面文本的全面集合，用于支持缅甸自然语言处理（NLP）的研究和开发。该语料库包含1000万句文本，采用Parquet格式，并遵循CC0 1.0许可协议。它适用于训练NLP模型、文本转语音、自动语音识别、机器翻译和文本生成等多种应用。

Hugging Face2025-05-22 更新70