liaad/Harem
收藏Hugging Face2023-12-12 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/liaad/Harem
下载链接
链接失效反馈官方服务：
资源简介：
---
license: mit
---
应用场景：
提供机构：
liaad原始信息汇总
数据集许可证
- 许可证类型: MIT
相关数据集
liaad/newspop
该数据集名为News Popularity in Multiple Social Media Platforms，主要包含在Facebook、Google+和LinkedIn上分享的10万条新闻数据，涉及的主题包括经济、微软、奥巴马和巴勒斯坦。数据集用于预测新闻在社交媒体上的流行度或分享次数。数据集的创建是通过收集社交媒体API端点的分享或点赞数来完成的，数据字段包括新闻的ID、标题、头条、来源、
Hugging Face2024-01-18 更新1360
liaad/Buscape
Buscapé数据集是一个用于语义角色标注（Semantic Role Labelling, SRL）的葡萄牙语数据集。该数据集基于Buscapé语料库，该语料库包含用户对产品的评论。数据集中的实例通过Palavras解析器生成的句法树进行标注，标注过程采用双盲标注方法。数据集经过处理，排除了某些不符合标准的命题，如动词索引标注错误、无动词注释、一个词有多个标签等。数据集旨在用于评估语义角色分类器
Hugging Face2024-06-21 更新130
harem
HAREM是一个葡萄牙语语料库，专为命名实体识别任务设计。它包含约9.3万个单词，来源于129篇不同类型和语言风格的文本，并提供包含10个命名实体类别和仅包含5个类别的两种版本。该语料库的数据集划分遵循特定文献，分为训练集、验证集和测试集。数据以标准化格式提供，包含文本tokens和对应的NER标签，方便进行数据操作。
OpenCSG2024-07-19 更新50
liaad/PTradutor
该数据集包含三个不同的配置：clean、raw和superclean。每个配置都包含训练集和验证集，特征包括索引（idx）、来源（source）、领域（domain）、葡萄牙语文本（pt）和英语文本（en）。数据集的大小、下载大小以及每个分割的字节数和示例数也被详细列出。
Hugging Face2024-07-21 更新70
liaad/PtBrVId
PtBrVId数据集是一个由多个已有数据集组成的语料库，涵盖了文学、政治、新闻、社交媒体等多个领域，并且包含了葡萄牙语的不同变体（PT-PT和PT-BR）。数据集经过了预处理，包括去除NaN值、空文档、重复文档，以及使用clean_text库清理文本。数据集的类别分布不均衡，未来计划发布更均衡的版本。
Hugging Face2025-08-15 更新870
