PleIAs/Russian-PD
收藏Hugging Face2024-07-29 更新2024-04-19 收录
下载链接：
https://hf-mirror.com/datasets/PleIAs/Russian-PD
下载链接
链接失效反馈官方服务：
资源简介：
Russian-Public Domain（俄罗斯公共领域）是一个大型集合，旨在聚合所有在公共领域的俄罗斯专著和期刊。该集合包含8525个标题，总计995,163,165个单词，这些数据是从Internet Archive中恢复的。每个parquet文件包含随机选择的2000本书的全文。数据集的构建遵循俄罗斯联邦公共领域作品的标准，即作者去世超过70年的出版物。数据集的目标是扩大开放作品的可用性，用于大型语言模型的训练，并且可以无限制地重新发布以用于重现性目的。数据集的未来工作包括扩展到19世纪末和20世纪初的作品，纠正OCR生成的错误，并增强原始文本的结构/编辑呈现。
提供机构：
PleIAs
原始信息汇总
数据集概述
数据集名称
Russian-Public Domain 或 Russian-PD
数据集目的
该数据集旨在聚合所有俄罗斯公共领域的专著和期刊。
