Listas de errores por área

NIAID Data Ecosystem2026-03-10 收录

词义消歧

语法错误检测

数据链接：

https://doi.org/10.7910/DVN/MDA28R 数据链接链接失效反馈

官方服务：

资源简介：

Listas de errores con ubicación por número de token. Errores detectados en el control de desambiguación.

创建时间：

2017-08-20

Cleaned Lang-8 Dataset

语法错误检测

自然语言处理

Cleaned Lang-8 Dataset是由VIT Bhopal University的研究团队创建的一个用于语法错误检测的高质量数据集。该数据集包含200,000条经过严格清理的句子对，其中一列包含语法错误的句子，另一列包含相应的修正版本。数据集的创建过程包括多个清理步骤，如去除相似句子、文本归一化、去除多余空格、大小写转换、处理缩写、去除标点符号以及基于Levenshtein距离的过滤等。

arXiv2024-11-23 更新730

hartular/grammatical_errors_rrt_press-eval

自然语言处理

语法错误检测

这是一个包含文本内容、实际值、错误类别和文本类型字段的数据集，主要用于训练模型。数据集分为训练集，共有243583个样本。

Hugging Face2025-09-14 更新110

deshanksuman/Multilingual_WSD_semcor

多语言处理

词义消歧

这是一个用于词语 sense 离散化（WSD）任务的数据集，包含了多种语言（法语、德语、意大利语、西班牙语）的语料。数据集大小介于10K到100K之间，是mwsd-datasets的意义映射版本，仅供研究使用。

Hugging Face2025-10-28 更新80

Ro551/WikiCorrupted_spanish_to_GEC-GED_s

语法错误检测

西班牙语

--- dataset_info: features: - name: sentence dtype: string - name: corrupted dtype: string - name: tokens sequence: string - name: error_tags sequence: class_label:

Hugging Face2025-11-27 更新120

sumitaryal/nepali_grammatical_error_detection

自然语言处理

语法错误检测

该数据集包含句子和标签两个特征，句子为字符串类型，标签为整数类型。数据集分为训练集和验证集，训练集包含10082804个样本，验证集包含771511个样本。总下载大小为865709960字节，数据集总大小为2406590165字节。

Hugging Face2024-10-04 更新100