krik_gcf

Name: krik_gcf
Creator: ORTOLANG (Open Resources and TOols for LANGuage) - www.ortolang.fr
Published: 2026-02-10 21:47:47
License: 暂无描述

DataCite Commons2026-02-10 更新2026-05-04 收录

下载链接：

https://www.ortolang.fr/market/item/krik_gcf/v1

下载链接

链接失效反馈

官方服务：

资源简介：

Krik_gcf contient un corpus annoté en parties du discours pour le créole guadeloupéen.Le processus d'annotation est décrit dans l'article https://hal.archives-ouvertes.fr/hal-01790617/.

提供机构：

ORTOLANG (Open Resources and TOols for LANGuage) - www.ortolang.fr

创建时间：

2026-02-10

flores

# Dataset Card for Flores 200 ## Table of Contents - [Dataset Card for Flores 200](#dataset-card-for-flores-200) - [Table of Contents](#table-of-contents) - [Dataset Description](#dataset-descr

魔搭社区2026-06-22 更新930

BanMANI

BanMANI是一个针对孟加拉语社交媒体新闻操纵识别的数据集，由南佛罗里达大学等机构创建。该数据集包含800条社交媒体内容，与500篇参考新闻文章相关联，用于训练和评估模型识别新闻操纵的能力。数据集通过半自动方法生成，利用ChatGPT和孟加拉语NER系统辅助，由人工标注者验证。BanMANI旨在解决孟加拉语社交媒体中新闻操纵的问题，为低资源语言提供数据支持，以提升现有NLP系统的性能和训练新模型

arXiv2023-11-05 更新580

TCST:A dataset of Tibetan-Chinese speech translation

The dataset is sourced from the WeChat public platform and the publicly available Tibetan speech recognition dataset. Collect data through web crawlers and machine translation assistance, manually seg

DataCite Commons2025-04-27 更新500

TOPXGEN

TOPXGEN数据集由法国巴黎Inria研究机构的研究人员创建，旨在解决低资源语言机器翻译中的数据集质量、数量和多样性问题。该数据集通过LLM生成高质量、主题多样的低资源语言文本，然后进行反向翻译，以产生用于上下文学习和微调的有用且多样的并行文本。数据集包含10种低资源语言，共105万条句子。该数据集可用于评估TOPXGEN方法在低资源语言机器翻译中的性能。

arXiv2025-08-12 更新700

Fleurs-SLU

Fleurs-SLU是一个大规模多语言口语理解基准，由维尔茨堡大学、剑桥大学和Mila研究所共同创建。该数据集包含102种语言的主题语音分类任务和92种语言的听力理解多选问答任务，数据来源于Fleurs、Flores、SIB-200和Belebele等数据集。数据集创建过程中，首先从Fleurs中过滤掉静音和噪声实例，然后将其与Flores、SIB-200和Belebele进行对齐和合并。Fleu

arXiv2025-01-11 更新540