cis-lmu/glotlid-wordlists

Name: cis-lmu/glotlid-wordlists
Creator: cis-lmu
Published: 2025-06-02 15:04:12
License: 暂无描述

Hugging Face2025-06-02 更新2025-07-05 收录

下载链接：

https://hf-mirror.com/datasets/cis-lmu/glotlid-wordlists

下载链接

链接失效反馈

官方服务：

资源简介：

该数据集包含多个配置，每个配置对应一个训练数据文件，文件名包含语言或脚本代码。数据文件存储在名为data-0.95的目录中。

提供机构：

cis-lmu

cis-lmu/GlotSparse

GlotSparse Corpus是一个包含低资源语言新闻网站内容的集合。该数据集支持多种语言，包括Balochi、Gilaki、Brahui、Southern-Kurdish、Gurani、Kirmanjki、Fanti、Twi、South-Azerbaijani和Southern Uzbek等。数据集的使用方法、下载方式、来源、工具、许可证、伦理考虑、GitHub链接和引用信息在README中

Hugging Face2024-05-27 更新90

cis-lmu/udhr-lid

UDHR-LID数据集是基于《世界人权宣言》（UDHR）构建的语言识别数据集。该数据集经过清理和筛选，去除了无关的语言文本和错误数据，保留了具有丰富语言内容的段落。数据集主要用于语言识别任务，建议作为测试集而非训练集使用。数据集包含多种语言，每个数据行都属于确定的语言，并且经过清理，具有丰富的语言内容。

Hugging Face2024-07-20 更新530

cis-lmu/m_lama

mLAMA数据集是LAMA的多语言版本，用于研究预训练语言模型在多语言环境下的知识表现。该数据集包含了53种语言的数据，涵盖了43种关系/谓词，每个语言和关系都有一组三元组。数据集通过机器翻译生成，并经过有效性检查，确保每个模板包含一个[X]和一个[Y]。该数据集可用于生成跨语言的填空查询，例如“巴黎是[MASK]的首都”。数据集的结构包括唯一标识符、行标识符、对象和主题的知识图谱ID、对象和主题

Hugging Face2025-05-14 更新680

cis-lmu/GlotStoryBook

GlotStoryBook Corpus数据集包含180种ISO-639-3编码的故事书，分为两个子集：default和nalibali。default子集包含来自四个出版商的故事书，分别是African Storybook、Pratham Books、Little Cree Books和LIDA Stories。nalibali子集则来自Nalibali的故事资源。数据集可用于翻译、文本生成、文

Hugging Face2024-05-27 更新160

cis-lmu/bavarian_to_english

--- configs: - config_name: bar-eng data_files: - split: train path: bar.parquet language: - bar - eng task_categories: - translation --- ## Bavarian to English Due to the scarcity of high-q

Hugging Face2026-03-21 更新40