Parallel Corpus Data

kaggle2025-07-21 更新2025-08-16 收录

自然语言处理

语言简化

数据链接：

https://www.kaggle.com/datasets/ziya07/parallel-corpus-data 数据链接链接失效反馈

官方服务：

资源简介：

A dataset of 1,563 long English sentences with model-generated simplifications

本数据集由1563条长英语句子及其模型生成的简化版本构成

创建时间：

2025-07-21

MicPie/unpredictable_cluster15

自然语言处理

机器学习

UnpredicTable数据集由从互联网表格中提取的少样本任务组成，旨在通过微调语言模型来提高其在少样本学习中的表现。数据集包含多个版本和子集，涵盖了广泛的任务类型，如多项选择、问答、文本分类等。数据集的创建基于WDC Web Table Corpus，并通过自动化的方式将表格转换为少样本学习任务。

Hugging Face2022-08-04 更新190

charan101/input_target_pairs_50_final

机器学习

自然语言处理

该数据集包含两个主要特征：input和target，均为字符串类型。数据集包含一个训练分割，大小为134742字节，包含353个示例。数据集的下载大小为73111字节，总大小为134742字节。默认配置文件指定了数据文件的路径为data/train-*。

Hugging Face2024-06-20 更新90

srbdtwentyfour/three_parts_cleaned

自然语言处理

对话系统

--- dataset_info: features: - name: id dtype: int64 - name: prompt dtype: string - name: response dtype: string - name: model dtype: string splits: - name: train num_

Hugging Face2024-06-09 更新60

oda-99/wiki_tail_5_vowel_hira

自然语言处理

韵律分析

该数据集包含多个特征字段，包括section（部分）、rhyme（韵律）和new_text（新文本），其中rhyme和new_text是字符串序列。数据集分为训练集和测试集，训练集包含1,853,385个样本，测试集包含205,932个样本。数据集的下载大小为218,102,166字节，总大小为389,239,324字节。数据文件的默认配置路径分别为训练集的data/train-*和测试集的dat

Hugging Face2024-11-17 更新180

rookshanks/toy_dataset_correcting

自然语言处理

问答系统

--- dataset_info: features: - name: question sequence: int64 - name: answer_prefix sequence: int64 - name: answer_continuation sequence: int64 splits: - name: train num_byt

Hugging Face2023-08-16 更新70

Parallel Corpus Data

资源简介：

相关数据集