ignatius/igbo_monolingual

该数据集是一个单语伊博语（Igbo）句子集合，包含多个配置，如BBC Igbo、Igbo Radio以及多个JW相关的文本。数据集主要用于文本生成和掩码语言建模任务。每个配置有不同的数据字段，例如标题、内容、日期等。数据集的规模从小于1K到1K-10K不等。数据集的创建、注释过程、个人和敏感信息等方面的详细信息尚未提供。

原始信息汇总

数据集概述

名称: Igbo Monolingual Dataset

语言: Igbo (ig)

许可证: unknown

多语言性: monolingual

大小类别:

• 1K<n<10K
• n<1K

任务类别:

• text-generation
• fill-mask

任务ID:

• language-modeling
• masked-language-modeling

数据集结构

数据实例

• eze_goes_to_school: 包含格式、标题、章节（标题和内容）。
• bbc-igbo: 包含来源、标题、描述、日期、头条、内容、标签。
• igbo-radio: 包含来源、头条、作者、日期、描述、内容。
• jw-ot-igbo, jw-nt-igbo: 包含格式、标题、章节（标题和内容）。
• jw-books, jw-teta, jw-ulo_nche, jw-ulo_nche_naamu: 包含标题、内容、格式、日期。

数据字段

• eze_goes_to_school:
  • format: string
  • title: string
  • chapters: sequence of title (string) and content (string)
• bbc-igbo:
  • source: string
  • title: string
  • description: string
  • date: string
  • headline: string
  • content: string
  • tags: sequence of string
• igbo-radio:
  • source: string
  • headline: string
  • author: string
  • date: string
  • description: string
  • content: string
• jw-ot-igbo, jw-nt-igbo:
  • format: string
  • title: string
  • chapters: sequence of title (string) and content (string)
• jw-books, jw-teta, jw-ulo_nche, jw-ulo_nche_naamu:
  • title: string
  • content: string
  • format: string
  • date: string

数据分割

配置名称	训练样本数
bbc-igbo	1297
eze_goes_to_school	1
igbo-radio	440
jw-books	48
jw-nt-igbo	27
jw-ot-igbo	39
jw-teta	37
jw-ulo_nche	55
jw-ulo_nche_naamu	88