Turku Dependency Treebank

SSH Open MarketPlace2025-07-04 更新2025-07-05 收录

自然语言处理

语法分析

数据链接：

https://marketplace.sshopencloud.eu/dataset/MJdcpB 数据链接链接失效反馈

官方服务：

资源简介：

The syntactic parsing follows the [Universal Dependencies](http://universaldependencies.org/guidelines.html) schema. The corpus is available for download from the Turku BioNLP Group.

创建时间：

2025-07-04

Sindhi语言大型语料库

Sindhi语

自然语言处理

本研究为资源匮乏的Sindhi语言开发了一个包含超过6100万单词的大型语料库。该语料库通过网络爬虫从多个网络资源中收集，并经过精心预处理以过滤噪声文本。语料库的创建解决了Sindhi语言在自然语言处理（NLP）领域缺乏大规模未标注语料的问题，为训练神经词嵌入提供了基础。此外，本研究还利用了GloVe、Skip-Gram和Continuous Bag of Words等先进的词2vec算法来生成S

arXiv2020-12-30 更新160

hlillemark/c4_t5_pretrain

机器学习预训练

自然语言处理

--- dataset_info: features: - name: input_ids sequence: int32 - name: labels sequence: int64 splits: - name: validation num_bytes: 53400000 num_examples: 10000 - name: trai

Hugging Face2023-05-22 更新80

freococo/myanmar-written-corpus

缅甸语

自然语言处理

缅甸书面语料库是一个包含高质量缅甸书面文本的全面集合，用于支持缅甸自然语言处理（NLP）的研究和开发。该语料库包含1000万句文本，采用Parquet格式，并遵循CC0 1.0许可协议。它适用于训练NLP模型、文本转语音、自动语音识别、机器翻译和文本生成等多种应用。

Hugging Face2025-05-22 更新70

Taywon/hri_rlhf

自然语言处理

机器学习

--- dataset_info: features: - name: question struct: - name: dataset dtype: string - name: id dtype: string - name: full_text dtype: string - name: quotes_0

Hugging Face2024-05-23 更新150

cassanof/Capybara-code

代码对话

自然语言处理

capybara数据集经过过滤，仅包含包含代码的对话（通过检测Markdown代码块的存在）。数据集的特征包括source和conversation，其中conversation是一个列表，包含input和output两个字段。数据集只有一个train分割，包含1314个示例，文件大小为7680536字节，下载大小为3402523字节。

Hugging Face2024-01-12 更新80

Turku Dependency Treebank

资源简介：

相关数据集