Goud-Sum-Instruct数据集是一个精心策划的数据集，源自Goud-sum数据集，主要用于微调聊天和指令模型，使其能够有效地响应摘要指令。数据集包含来自Goud.ma新闻网站的158k篇文章及其标题。文章使用阿拉伯文字书写，标题为摩洛哥达里亚语，文章内容可能是摩洛哥达里亚语、现代标准阿拉伯语或两者的混合。数据集分为训练集、验证集和测试集，分别包含139,288、9,497和9,497个实

Hugging Face2023-09-12 更新160

pain/Arabic-Tweets

阿拉伯语

自然语言处理

该数据集名为Arabic-Tweets，主要包含从Twitter收集的阿拉伯语推文数据。数据集的总大小超过41GB，包含近40亿个阿拉伯语单词（1200万个独特的阿拉伯语单词）。数据经过清洗和标准化处理，去除了包含波斯字符、重复字符或单个字符的推文，并删除了标签、提及和链接。该数据集的主要用途是创建语言模型。

Hugging Face2023-04-08 更新250

gagan3012/arabic-xnli-pairwise

自然语言处理

阿拉伯语

--- dataset_info: features: - name: labels sequence: int64 - name: sent1 sequence: string - name: sent2 sequence: string splits: - name: train num_bytes: 70811123 num_e

Hugging Face2024-03-08 更新170

Mawqif Dataset

资源简介：

相关数据集