该数据集是法语提示数据集（DFP）的一个子集，专门用于意图文本分类任务。它包含497,100行数据，原始数据来自mtop_domain数据集，仅保留了法语部分。通过应用一系列提示，构建了输入和目标列，使其格式与xP3数据集一致。数据集分为训练集、验证集和测试集，分别包含354,000、47,300和95,800个样本。

Hugging Face2025-02-10 更新320

Corpus Komped Poem (windy part)

多语言文本处理

分词技术

该数据集包含泰语诗歌文本，并已对每个句子中的单词进行分割，适合用于测试泰语分词工具。

github2020-04-01 更新160

EtashGuha/JapaneseDocQA

文档问答

多语言文本处理

--- license: apache-2.0 dataset_info: features: - name: image dtype: image - name: question dtype: string - name: original_answer dtype: string - name: text dtype:

Hugging Face2024-06-15 更新390

zerostratos/fineweb-2-vie-2021

多语言文本处理

越南语文本分析

该数据集包含文本内容和其他相关元数据，如唯一标识符、文件路径、语言等信息。数据集分为训练集，大小为28,108,974,065字节，共有5,000,000个示例。提供了默认配置，指定了训练数据的文件路径。

Hugging Face2025-08-28 更新190