Ransaka/Sinhala-400M
收藏Hugging Face2023-12-11 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/Ransaka/Sinhala-400M
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是一个大规模的僧伽罗语（Sinhala）文本语料库，包含超过1000万个文本示例。数据集分为训练集和测试集，分别包含8854185和3794651个例子。数据集的总大小为4004011602字节，下载大小为1826451430字节。该数据集适用于文本生成和特征提取任务，许可证为Apache-2.0。
提供机构：
Ransaka
原始信息汇总
数据集概述
基本信息
- 名称: Sinhala Large Scale Corpus
- 许可证: Apache-2.0
- 语言: 僧伽罗语（si）
- 大小类别: 10M<n<100M
数据特征
- 特征名称: text
- 类型: 字符串序列
数据分割
- 训练集
- 示例数量: 8854185
- 字节数: 2802808058.089643
- 测试集
- 示例数量: 3794651
- 字节数: 1201203543.9103568
数据大小
- 下载大小: 1826451430
- 数据集大小: 4004011602
任务类别
- 文本生成
- 特征提取
