Turkish Corpus

kaggle2020-11-28 更新2024-03-07 收录

下载链接：

https://www.kaggle.com/datasets/redrussianarmy/turkish-corpus

下载链接

链接失效反馈

官方服务：

资源简介：

Set of Turkish sentences from various sources

创建时间：

2020-11-28

turkish-amr-corpus

该数据集包含了700个句子的抽象意义表示（AMR），是土耳其语的首个AMR表示框架，适用于具有自由成分顺序和高度丰富形态的粘着语。

github2023-02-16 更新160

Turkish_Speech_Corpus

TurkicASR项目提供了十种突厥语系语言的多语言语音识别预训练模型和代码，支持的语种包括阿塞拜疆语、巴什基尔语、楚瓦什语、哈萨克语、吉尔吉斯语、萨哈语、土耳其语、鞑靼语、乌兹别克语和维吾尔语。模型使用了KSC、TSC、USC和Common Voice 10.0等多个数据集进行训练。代码库基于ESPnet构建，并提供了预训练模型的下载链接和使用WAV音频文件进行推理的说明。

Hugging Face2025-01-24 更新250

Ethosoft/Turkish_corpus

Turkish Corpus是一个大规模、经过清洗的土耳其语文本数据集，专为土耳其自然语言处理研究、语言模型预训练、分词器训练、嵌入模型、检索系统和一般土耳其语理解任务设计。该数据集通过收集公共土耳其语语料库和多语言数据集中的土耳其语部分构建而成，经过清洗、标准化和过滤处理，保留了源数据的元数据以便追溯。数据集包含约665万行文本，文件大小约9.31GB，采用Parquet格式，主要列名为text

Hugging Face2026-04-24 更新20

umarigan/turkish_corpus

--- license: mit task_categories: - feature-extraction language: - tr pretty_name: Corpus size_categories: - 10M<n<100M ---

Hugging Face2024-02-01 更新50

Turkish ASR Test Corpus

该测试语料库用于测试土耳其自动语音识别系统，包含来自20个不同领域的对话和文本文件。语料库涵盖了广泛的词汇量，并从不同性别和领域的演讲者中收集数据，以确保测试的有效性。

github2022-09-07 更新490