In eundem obitum

B2FIND2026-04-28 收录

巴洛克文学

文本数据

数据链接：

https://b2find.eudat.eu/dataset/5b438c5a-1906-50cf-a6fe-a3bc94926885 数据链接链接失效反馈

官方服务：

资源简介：

Source: Deutsche Literatur, Reihe Barock, Erg.-Bd., Leipzig: Reclam, 1939.

Literature-zh

文本数据

文本质量评估

这个数据集是由公共爬虫收集的中文书籍、论文、法律文件和专利组成的复合数据集。经过数据清洗，移除了含有非拉丁、非中文字符比例超过2%的文本，以及含有大量特殊字符的文本，同时将繁体中文转换为了简体中文。数据集中的文档还经过语言质量评估，移除了质量较低的文档。数据集包含47,087,808个样本，磁盘大小为214G的parquet文件。

Hugging Face2025-03-30 更新480

vietgpt/the_pile_openwebtext2

自然语言处理

文本数据

--- language: en dataset_info: features: - name: title dtype: string - name: text dtype: string - name: reddit_scores sequence: int32 splits: - name: train num_bytes: 68786

Hugging Face2023-07-15 更新100

CATIE-AQ/french_books

法语文学

文本数据

该数据集是一个包含2075本法语书籍的数据框，所有书籍均以txt格式存储。这些书籍是从Gutenberg项目中筛选出来的，去除了那些在french_books_summuries数据集中有摘要的作者的作品。数据框中包含四个字段：文本内容、书籍标题、作者名字及生卒日期、文本单词数量的估计。根据文本的单词数量，README还提供了不同数量级文本的估计数量和对应的年份范围。

Hugging Face2025-07-03 更新70

CognitiveLab/Aarogya_wiki_medical_terms

医学术语

文本数据

--- dataset_info: features: - name: __index_level_0__ dtype: int64 - name: Aarogya_prompt dtype: string - name: page_title dtype: string - name: page_text dtype: string spl

Hugging Face2023-12-29 更新130

Fahmi23/geethaamrita-llama2-1k

文本数据

机器学习

--- dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 123035 num_examples: 1000 download_size: 8132 dataset_size: 123035 configs: - config_nam

Hugging Face2024-05-28 更新90

In eundem obitum

资源简介：

相关数据集