community-datasets/farsi_news

FarsiNews数据集包含从两个波斯语新闻机构（Hamshahri和RadioFarda）的RSS feed中提取的波斯语新闻数据。该数据集主要用于文本生成和掩码语言建模任务。数据集包含标题、摘要、链接和标签等字段，并分为hamshahri和radiofarda两个子集。

The FarsiNews dataset contains Persian news data extracted from the RSS feeds of two Persian news agencies, Hamshahri and RadioFarda. This dataset is primarily used for text generation and masked language modeling tasks. The dataset includes fields such as title, summary, link, and tags, and is divided into two subsets: hamshahri and radiofarda.

原始信息汇总

数据集卡片：FarsiNews

数据集描述

数据集摘要

包含用于机器学习任务，特别是自然语言处理的波斯语（Farsi）数据集。这些数据集是从两个波斯语新闻机构网站的RSS订阅中提取的：

• Hamshahri
• RadioFarda

支持的任务和排行榜

[更多信息需要]

语言

[更多信息需要]

数据集结构

数据实例

[更多信息需要]

数据字段

• title: 字符串类型
• summary: 字符串类型
• link: 字符串类型
• tags: 字符串序列类型

数据分割

• hamshahri:
  • 字节数: 1267639
  • 示例数: 2203
• radiofarda:
  • 字节数: 265252
  • 示例数: 284

数据集创建

策划理由

[更多信息需要]

源数据

[更多信息需要]

初始数据收集和规范化

[更多信息需要]

源语言生产者是谁？

[更多信息需要]

注释

[更多信息需要]

注释过程

[更多信息需要]

注释者是谁？

[更多信息需要]

个人和敏感信息

[更多信息需要]

使用数据集的注意事项

数据集的社会影响

[更多信息需要]

偏见的讨论

[更多信息需要]

其他已知限制

[更多信息需要]

附加信息

数据集策展人

[更多信息需要]

许可信息

[更多信息需要]

引用信息

https://github.com/sci2lab/Farsi-datasets

贡献

感谢 @Narsil 添加此数据集。