pythainlp/thai-tnhc2-books

Thai TNHC2 Books数据集包含了来自TNHC2语料库的所有书籍，共计353本。这些书籍已经过清洗，适用于文本预训练模型和自然语言处理任务。数据集的特征包括id、book、author和text字段。数据集的大小为216,894,773字节，包含353个示例。数据集的许可证为CC-0，意味着它是公共领域的资源。TNHC2语料库是一个泰语旧书语料库，所有书籍的版权在泰国法律下已过期（作者去世后50年）。

原始信息汇总

Thai TNHC2 Books 数据集概述

基本信息

• 语言: 泰语
• 许可: CC0-1.0
• 数据规模: n<1K
• 任务类别: 文本生成

数据集特征

• 特征:
  • id: 字符串类型
  • book: 字符串类型
  • author: 字符串类型
  • text: 字符串类型

数据分割

• 训练集:
  • 字节数: 216894773
  • 样本数: 353

数据集大小

• 下载大小: 82935550 字节
• 数据集大小: 216894773 字节

配置

• 默认配置:
  • 数据文件路径: data/train-*

标签

• book

数据集描述

• 该数据集收集了来自 TNHC2 corpus 的所有书籍。
• 数据集经过清洗，适用于预训练模型和自然语言处理任务。
• 包含书籍数量: 353 本
• 许可: CC-0
• TNHC2 corpus 是一个泰国古籍语料库，所有书籍的版权已过期（作者去世后50年）。

引用

• 原始数据集:

  พิทยาวัฒน์ พิทยาภรณ์, มณฑล กาญจโนฬาร, สัณห์ธวัช ธัญวงษ์ และกานต์วิรุช นุชประหาร. (2566). ชุดข้อมูล TNHC2. สืบค้นเมื่อ วัน 6 มีนาคม 2567 จาก https://www.arts.chula.ac.th/chulaseal/tnhc2/

• Thai TNHC2 Books:

  • APA 格式:

    Phatthiyaphaibun, W. (2024). Thai TNHC2 Books [Data set]. Zenodo. https://doi.org/10.5281/zenodo.10783421

  • BibTeX 格式: bib @dataset{phatthiyaphaibun_2024_10783421, author = {Phatthiyaphaibun, Wannaphong}, title = {Thai TNHC2 Books}, month = mar, year = 2024, publisher = {Zenodo}, doi = {10.5281/zenodo.10783421}, url = {https://doi.org/10.5281/zenodo.10783421} }