shershen/ru_anglicism

Ru Anglicism数据集用于检测和替换俄语句子中的英语借词。数据来源于俄罗斯国家语料库、Habr和Pikabu，句子中的英语借词被自动解析，并且每个句子的改写是手动创建的。数据集包含四个字段：word（单词）、form（形式）、sentence（句子）和paraphrase（改写）。数据集分为训练集和测试集，分别包含1007和77个句子。数据集的语言为俄语，适用于文本生成和文本到文本生成任务。

原始信息汇总

数据集概述

数据集名称

• Ru Anglicism

许可证

• Apache-2.0

数据集特征

• word: 字符串类型
• form: 字符串类型
• sentence: 字符串类型
• paraphrase: 字符串类型

数据集结构

• 训练集: 1007个实例，480909字节
• 测试集: 77个实例，42006字节

数据集大小

• 下载大小: 290128字节
• 数据集大小: 522915字节

任务类别

• 文本生成
• 文本到文本生成

语言

• 俄语

大小类别

• 1K<n<10K