corpus-VN

kaggle2023-06-25 更新2024-03-11 收录

下载链接：

https://www.kaggle.com/datasets/npvinh20/corpus-vn

下载链接

链接失效反馈

官方服务：

资源简介：

创建时间：

2023-06-25

vn-legal-corpus

这是一个越南法律文本的数据集，经过清理和结构化处理，适用于自然语言处理（NLP）、信息检索系统、检索增强生成（RAG）以及语言模型的训练和评估。数据集来源于越南的公开法律文本，包括越南司法部的官方网站和其他官方来源。根据越南法律，这些法律文本不受版权保护，可以自由使用、复制和分发。数据集采用Creative Commons Attribution 4.0 International (CC-BY

github2026-04-15 更新00

chillies/vn-corpus-full

--- dataset_info: features: - name: text dtype: string - name: id dtype: int64 - name: revid dtype: string - name: url dtype: string - name: title dtype: string split

Hugging Face2024-04-29 更新70

nqv2291/vi-text_corpus-dantri.com.vn

--- dataset_info: features: - name: url dtype: string - name: category dtype: string - name: text dtype: string splits: - name: train num_bytes: 32661474 num_examples:

Hugging Face2024-04-21 更新80

vbpl-vn-legal-corpus

VBPL.vn越南法律语料库是一个从越南司法部国家法律数据库（vbpl.vn）爬取并整理的越南中央级法律文本集合，旨在为法律信息检索、问答、文本分类以及图分析等任务提供结构化、高质量的越南语法律资源。数据内容涵盖越南中央层级（如国会、政府、部委等）发布的法律文件，包括法律、决议、法令、通知等多种类型。数据集核心部分是一个包含约4.2万份法律文件的主表（vanban.parquet），每份文件对应约

Hugging Face2026-06-04 更新00

Monmoonluna/vbpl-vn-legal-corpus

VBPL.vn越南法律语料库是一个从越南司法部国家法律数据库vbpl.vn爬取的中央级法律文件集合。数据集包括文档元数据（如编号、标题、类型、机构、日期、状态等）、分块文本（按条款/项目分割，约45万块）和图关系（约3.7万条边，表示文档间的引用、修改等关系）。适用于文本检索、问答、分类、RAG（检索增强生成）和图分析等自然语言处理任务。数据集包含多种文件格式（如Parquet和JSONL），支持

Hugging Face2026-05-28 更新30