BBC WaZoBia Text corpus

kaggle2022-11-02 更新2024-05-01 收录

尼日利亚语言

自然语言处理

数据链接：

https://www.kaggle.com/datasets/ikpeleambrose/bbcwazobia 数据链接链接失效反馈

官方服务：

资源简介：

NLP in Nigeria languages

面向尼日利亚诸语言的自然语言处理（Natural Language Processing, NLP）

创建时间：

2022-11-02

LanguageWave (LW)

方言翻译

自然语言处理

LanguageWave (LW) 数据集是一个针对黎巴嫩方言的文化感知英黎平行数据集，包含约 3000 个句子，由 95 期播客节目提取而来，涵盖了黎巴嫩文化的各个方面。该数据集由美国贝鲁特美国大学电气与计算机工程系的研究人员创建，旨在解决低资源方言翻译的挑战，特别是黎巴嫩方言的翻译。数据集的创建过程采用了合成数据的方法，利用了黎巴嫩语法书中的规则和示例，并通过 Claude 3.5 Sonne

arXiv2025-05-01 更新400

kinianlo/prlang

自然语言处理

词汇分析

--- dataset_info: - config_name: conceptnet5_vocabulary_en features: - name: word dtype: string - name: tag dtype: string splits: - name: train num_bytes: 123167929 num_examp

Hugging Face2024-02-08 更新190

AdapterOcean/med_alpaca_standardized_cluster_32

文本聚类

自然语言处理

--- dataset_info: features: - name: text dtype: string - name: conversation_id dtype: int64 - name: embedding sequence: float64 - name: cluster dtype: int64 splits: - nam

Hugging Face2023-10-23 更新130

cygu/sampling-distill-train-data-kth-shift4

自然语言处理

水印技术

该数据集用于基于采样的水印蒸馏训练，使用了KTH（s=4）水印策略。数据集包含640,000个水印样本，每个样本长度为256个token，这些样本是基于Llama 2 7B模型生成的。每个样本使用来自OpenWebText的50-token前缀进行提示，但这些前缀不包含在样本中。

Hugging Face2024-05-23 更新220

PolarisEvals/training_criteria_dpo_distill_completeness_2stage_questions

自然语言处理

问题生成

--- dataset_info: features: - name: query dtype: string - name: chunk dtype: string - name: justification dtype: string - name: question dtype: string splits: - name: tra

Hugging Face2024-06-05 更新150

BBC WaZoBia Text corpus

资源简介：

相关数据集