L3CubeMahaSent
收藏OpenXLab2026-04-18 收录
官方服务：
资源简介：
L3Cube-MahaCorpus 是从不同互联网来源抓取的马拉地语单语数据集。我们用 2480 万个句子和 2.89 亿个标记扩展了现有的马拉地语单语语料库。我们还展示了 MahaBERT、MahaAlBERT 和 MahaRoBerta 所有基于 BERT 的掩码语言模型，以及 MahaFT，它们都是在具有 7.52 亿个标记的完整马拉地语语料库上训练的快速文本词嵌入。我们的论文链接中提到了评估细节
提供机构：
OpenDataLab创建时间：
2022-05-07
