登录后查看消息通知
搜索
常见问题
消息
登录
LAC Khmer Corpus
收藏
B2FIND
2026-04-25 收录
下载链接:
https://b2find.eudat.eu/dataset/a10cef20-6b88-5905-b399-424e7d6b93df
下载链接
链接失效反馈
官方服务:
购买咨询
问题咨询
资源简介:
Language and Cognition corpus
语言与认知语料库(Language and Cognition corpus)
应用场景:
相关数据集
khmer-text-corpus
该数据集是一个经过清洗和去重的高棉语(柬埔寨语)文本语料库,其核心特点是包含自然发生的高棉语/英语语码转换现象,例如嵌入在文本中的英语科技金融术语、拉丁字母和数字。它专门用于训练SentencePiece分词器以及作为高棉语扩散解码器的文本预热启动数据。语料库共包含4,893,739个句子,以UTF-8编码,每行一个句子,并已进行去重和基于固定种子的洗牌处理以保证可复现性。数据集提供两个并行的配置
Hugging Face
2026-07-07 更新
0
0
LAC Jahai Corpus
Language and Cognition corpus
B2FIND
0
0
LAC Umpithamu Corpus
Language and Cognition corpus
B2FIND
2
0
LAC Inuktitut Corpus
Language and Cognition corpus
B2FIND
0
0
LAC Karihona Corpus
Language and Cognition corpus
B2FIND
0
0
© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15
沪公网安备31010402336585号
热门搜索
社区交流群
科研交流群
商业服务
数据资源
寻源服务
数据采集
标注服务
数据产品
代理销售
数据领域
凭证登记
数据产品
介绍推广