MasakhaPOS

DataCite Commons2026-01-07 更新2025-04-16 收录

下载链接：

https://service.tib.eu/ldmservice/dataset/3bde7e43-ca31-4a2a-8838-d92991ee2c7e

下载链接

链接失效反馈

官方服务：

资源简介：

MasakhaPOS is an Igbo parts-of-speech dataset.

提供机构：

TIB

创建时间：

2024-12-17

masakhane/masakhapos

MasakhaPOS是最大的公开高质量数据集，用于20种非洲语言的词性标注（POS）。这些语言包括班巴拉语、格马拉语、埃维语、丰语、豪萨语、伊博语、基尼亚卢旺达语、卢干达语、卢奥语、莫西语、奇切瓦语、尼日利亚皮钦语、绍纳语、斯瓦希里语、茨瓦纳语、特威语、沃洛夫语、科萨语、约鲁巴语和祖鲁语。数据集包含训练集、验证集和测试集，适用于所有20种语言。数据来源于新闻领域，并由专家生成的注释。

Hugging Face2024-02-05 更新220

pubmed

PubMed汇集了超过3600万条生物医学文献引文，来源于MEDLINE、生命科学期刊和在线书籍。引文可能包含指向PubMed Central和出版商网站全文内容的链接。该资源提供英文数据，主要用于文本生成、掩码填充和文本分类等任务，也支持语言建模、掩码语言建模、文本评分和主题分类。PubMed以XML格式提供年度基线数据集，并每日更新，用户可以免费下载和使用这些数据，但需遵守美国国家医学图书馆（

OpenCSG2024-07-19 更新100

Tokenliste für das Type KLEIN4A^

Token list for the type SMALL4A^ (FRENCH-FRIES1A / RICE3) from the DGS Corpus release 2.0.

University of Hamburg2019-01-01 更新50

WikiQuality/masakhapos_test

该数据集包含三个部分：训练集、验证集和测试集。每个样本包括一个唯一的标识符(id)，文本序列(tokens)，以及对应的词性标签序列(tags)。词性标签包括名词、标点符号、介词、数字、符号、连词、形容词、副词、限定词、代词、其他和未知等类型。

Hugging Face2025-05-07 更新40

tuenguyen/open_thoughts_114k-test

这是一个包含对话系统的数据集，其中包括系统信息、提示信息、解决方案来源、解决方案、思考过程、答案、是否可验证、来源等字段。数据集分为训练集，共有113957个示例。

Hugging Face2025-02-13 更新40