Tensoic/Bhandara

该数据集包含超过12,000行和700万单词的文本，专门用于预训练NLP模型处理印地语任务。它通过Bard API创建，确保了内容的高质量和多样性。数据集的一个显著特点是包含大量与印度相关的内容，这对于需要理解和响应印度特定背景、文化和语言细微差别的模型训练非常有价值。需要注意的是，尽管数据集包含多种数据，但所有信息的准确性和事实性尚未得到验证。

原始信息汇总

数据集概述

数据集信息

• 特征:
  • 名称: text
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 81417796
  • 样本数: 12395
• 下载大小: 21196767
• 数据集大小: 81417796
• 配置:
  • 配置名称: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*
• 许可证: apache-2.0
• 任务类别:
  • text-generation
• 语言:
  • hi
• 标签:
  • pretrain

数据集特点

• 包含超过12,000行和700万字的文本，专门为预训练NLP模型在印地语任务上生成。
• 数据集的一个显著特点是包含大量与印度相关的内容，这对于需要理解并回应印度特定语境、文化和语言细微差别的模型训练非常有价值。

注意事项

• 数据集包含多种数据，但所有信息的准确性和事实性尚未经过验证。