softcatala/Softcatala-Web-Texts-Dataset

该数据集包含Softcatalà网站的文章和程序描述，数据格式为JSON，包含内容、日期、ID和标题等字段。数据集的语言为加泰罗尼亚语（Catalan），数据集的许可证为CC BY-SA 4.0或CC0 1.0。数据集的大小为100K到1M之间，具体包含623篇文章和330个程序描述。数据集的创建者为Softcatalà社区，数据集的用途主要是文本生成和语言建模。This dataset comprises articles and program descriptions sourced from the Softcatalà website, formatted in JSON. It includes fields such as content, date, ID, and title. The dataset is in Catalan, and is licensed under either CC BY-SA 4.0 or CC0 1.0. The dataset size ranges between 100K and 1M, and specifically contains 623 articles and 330 program descriptions. It was created by the Softcatalà community, and its primary use cases are text generation and language modeling.

原始信息汇总

数据集概述

数据集名称

• 名称: Softcatalà网站内容数据集
• 别名: Softcatala-Web-Texts-Dataset

数据集描述

• 摘要: 该数据集包含Softcatalà网站的内容，包括623篇文章和330个程序描述，总计423101字。
• 语言: 加泰罗尼亚语 (ca)
• 许可: 数据集使用Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)或Universal Public Domain Dedication (CC0 1.0)许可。

数据集结构

• 数据实例: 数据集分为两个文件，articles.json包含文章，programes.json包含程序描述。
• 数据字段: 数据以JSON格式存储，包含字段：内容、日期、ID和标题。

数据集创建

• 源数据: 数据由Softcatalà社区生成。
• 许可信息: 数据集的许可包括CC BY-SA 4.0和CC0-1.0。

数据集大小

• 大小: 100K<n<1M

多语言性

• 多语言性: 单语种

任务类别

• 任务类别: 文本生成
• 任务ID: 语言建模

搜集汇总

背景与挑战

背景概述

Softcatala-Web-Texts-Dataset是一个加泰罗尼亚语文本数据集，包含Softcatalà网站的953篇文章和程序描述，主题涵盖开源软件、本地化和技术。该数据集适用于文本生成和语言建模任务，采用CC BY-SA 4.0和CC0 1.0许可证。