Fece228/latin-literature-dataset-170M

该数据集是从Corpus Corporum收集的所有文本中提取的，涵盖了几乎所有用拉丁语写成的文学作品。数据集分为两部分：一部分是使用cltk工具进行预处理的文本，可以直接使用；另一部分是原始文本数据，但需要注意的是，原始文本数据中包含了希腊语、希伯来语等其他语言的文本，以及引用和缩写。

原始信息汇总

数据集概述

语言

• 拉丁语 (Latin)

标签

• 文本 (text)
• 语言学 (linguistics)
• 自然语言处理 (NLP)
• 文学 (literature)

大小分类

• 100M<n<1B

数据集内容

• 该数据集来源于Corpus Corporum，包含所有拉丁文学作品。
• 数据集分为两部分：
  • 预处理部分：使用cltk工具进行基本预处理，适用于直接使用。
  • 原始文本数据：包含希腊语、希伯来语及其他语言的文本，以及引用和缩写。