Bretagne/WikiMatrix_br

Name: Bretagne/WikiMatrix_br
Creator: Bretagne
Published: 2025-03-29 22:18:33
License: 暂无描述

Hugging Face2025-03-29 更新2024-12-14 收录

下载链接：

https://hf-mirror.com/datasets/Bretagne/WikiMatrix_br

下载链接

链接失效反馈

官方服务：

资源简介：

这是一个布列塔尼语的单语语料库，来源于WikiMatrix。

Corpus monolingue en breton de WikiMatrix

提供机构：

这是一个包含布列塔尼语和法语对齐句子对的数据集，从WikiMatrix获取，可用于翻译任务。数据集存在对齐问题，需要进行后处理才能使用。

Hugging Face2025-03-29 更新80

这是经过清洗的WikiAnn数据集的巴西葡萄牙语版本，用于命名实体识别的token分类任务。数据集分为训练集、验证集和测试集，每个集合都包含tokens和对应的ner_tags标签。清洗后的数据集移除了原始数据集中的泄露和重复数据。

Hugging Face2025-03-29 更新30

这是一个布列塔尼语图片/单词数据集，包含100张与单词相对应的图片，以及所有图片的元数据和它们所出现的网页信息。同时，还包括一个词典，收录了每种语言中与图片对应的单词及其在该语言中的规范MMID ID。

Hugging Face2025-03-29 更新30

该数据集名为WikiMatrix，包含了英语与其他语言之间的平行文本，被用于多语言预训练。此外，还有一个子集是专门为IGLUE基准测试收集的。该数据集规模宏大，包含1900万个平行句子对，其任务重点在于多语言预训练。

arXiv120

该项目的目标是在维基百科的文本内容中为所有可能的语言对挖掘平行句子。 85 种不同的语言，1620 种语言对 134M平行句，其中34M与英文对齐

OpenDataLab2026-07-05 更新830