gentaiscool/bitext_nollysenti_miners

该数据集包含多种语言配置，包括英语、豪萨语、伊博语、尼日利亚皮钦语和约鲁巴语。每个配置都有对应的数据文件路径，用于训练数据。数据集的许可为cc-by-sa-4.0。

This dataset includes multiple language configurations, such as English, Hausa, Igbo, Nigerian Pidgin, and Yoruba. Each configuration has corresponding data file paths for training data. The dataset is licensed under cc-by-sa-4.0.

原始信息汇总

数据集概述

许可证

• CC BY-SA 4.0

语言

• 英语 (en)
• 豪萨语 (ha)
• 伊博语 (ig)
• 尼日利亚皮钦语 (pcm)
• 约鲁巴语 (yo)

配置

• default
  • 数据文件:
    • 训练集: train/*
• en-ha
  • 数据文件:
    • 训练集: train/en-ha.jsonl
• en-ig
  • 数据文件:
    • 训练集: train/en-ig.jsonl
• en-pcm
  • 数据文件:
    • 训练集: train/en-pcm.jsonl
• en-yo
  • 数据文件:
    • 训练集: train/en-yo.jsonl