saarus72/ficbook_text_norm

该数据集包含从ficbook数据集中获取的文本，经过逆向归一化处理。归一化处理使用了特定的笔记本，并最终存储为一个jsonl文件。文件中每一行包含多个替换对，展示了从原始文本到归一化文本的转换。

原始信息汇总

数据集概述

许可证

• Apache 2.0

任务类别

• 文本生成

语言

• 俄语

数据集大小

• 1M<n<10M

数据格式

• 数据集以jsonl格式存储，每行包含一个JSON对象，该对象包含一系列替换对，每个替换对包含原始文本和替换后的文本。

示例数据

json { "replaces": [ { "text_from": "Боль во всем теле...Боже...я так и знала.... ", "text_to": "Боль во всем теле...Боже...я так и знала.... " }, { "text_from": "5", "text_to": "Пятая" }, { "text_from": " точка буквально ныла от боли, ушиб будет тот еще...садиться не смогу дня ", "text_to": " точка буквально ныла от боли, ушиб будет тот еще...садиться не смогу дня " }, { "text_from": "3", "text_to": "три" }, { "text_from": " так, точно.", "text_to": " так, точно." } ] }