five

awidjaja/NLLB-id-neardup

收藏
Hugging Face2024-09-06 更新2024-12-14 收录
下载链接:
https://hf-mirror.com/datasets/awidjaja/NLLB-id-neardup
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集是KoPI-NLLB的一个子集,专注于印度尼西亚各种语言的近重复条目。它以parquet格式提供,包含多种印度尼西亚的低资源语言。数据集包含文本数据及其元数据(url、score、source),适用于翻译、文本相似性和语言建模等自然语言处理任务。

This dataset is a subset of the KoPI-NLLB, focusing only on near-duplicate entries across various Indonesian languages. It is provided in parquet format and includes multiple low-resource languages from Indonesia. The dataset features textual data with accompanying metadata (url, score, source), making it useful for natural language processing tasks such as translation, text similarity, and language modeling.
提供机构:
awidjaja
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作