Nom-Vietnamese

kaggle2025-09-18 更新2025-10-25 收录

越南语研究

自然语言处理

数据链接：

https://www.kaggle.com/datasets/duyu09/nom-vietnamese 数据链接链接失效反馈

官方服务：

资源简介：

Kho Ngữ Liệu Song Song Chữ Nôm - Chữ Quốc Ngữ / 喃字-國語字平行語料庫

喃字（Chữ Nôm）-国语字（Chữ Quốc Ngữ）平行语料库

创建时间：

2025-09-16

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

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

reyhanehrhp7/Jigsaw_partB_language_head

自然语言处理

机器学习

该数据集包含两个特征：提示（prompt）和完成（completion），均为字符串类型。数据集分为训练集、验证集和测试集三个部分，其中训练集包含1623个示例，验证集和测试集各包含203个示例。数据集的总大小为614308字节，下载大小为271617字节。

Hugging Face2025-10-17 更新60

bloyal/small-uniref30

自然语言处理

掩码填充

--- license: cc-by-4.0 dataset_info: features: - name: id dtype: int64 - name: num dtype: int64 - name: text dtype: string splits: - name: train num_bytes: 1067207.07039336

Hugging Face2023-05-04 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