Hemanth-thunder/ocr-data-tnpsc

该数据集包含超过30本泰米尔语学校的教科书和部分泰米尔纳德邦公共服务委员会（TNPSC）的材料，这些材料被认为是公共领域的。数据集主要用于文本生成和文本到文本的生成任务，涵盖化学、生物学、金融和医学等多个学科领域。

原始信息汇总

数据集概述

基本信息

• 数据集名称: Tamil Public Domain Books (Tamil)
• 许可证: apache-2.0
• 语言: 泰米尔语 (ta)
• 标签: ocr, tnpsc, tamil, chemistry, biology, finance, medical
• 任务类别: 文本生成, 文本到文本生成

数据集内容

• 描述: 该数据集包含超过30本学校教科书和部分TNPSC（泰米尔纳德邦公共服务委员会）材料，均为泰米尔语，被认为是公共领域。

数据结构

• 特征:
  • 名称: text
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 12574068
  • 样本数: 9217

数据大小

• 下载大小: 4400902 字节
• 数据集大小: 12574068 字节