Klexikon数据集是一个德语资源，包含德语维基百科和儿童词典Klexikon之间的文档对齐文本。该数据集旨在联合进行文本简化和摘要任务，包含近2900个对齐的文章对。儿童文章使用的语言比原始维基百科文章更简单，且源（维基百科）和目标（Klexikon）领域之间存在明显的长度差异。数据集的结构包括数据实例、数据字段和数据分割。数据实例表示维基百科文本和Klexikon文本，数据字段包括唯一标识符

Hugging Face2022-10-25 更新230

gplsi/alia_tourism

旅游

文本生成

ALIA_TOURISM数据集是一个多语言资源，专为旅游领域的文本生成而设计。数据集包含以Markdown格式（`.md`）提供的文本文档，每个文档以结构化的JSONL条目形式呈现。每个条目包括文本的源、语言、格式、文本内容和元数据等信息。数据集涵盖西班牙语（es）、瓦伦西亚语（va）和英语（en）三种语言，领域为旅游，格式为JSON Lines（`.jsonl`）。每个条目代表一个独立的旅游相关

Hugging Face2026-06-02 更新120

chaojiang06/wiki_auto

文本简化

句子对齐

WikiAuto数据集提供了一组从英文维基百科和简单英文维基百科中对齐的句子，作为训练句子简化系统的资源。作者首先通过众包方式在简单英文维基百科和英文维基百科的子集中手动对齐句子，然后训练了一个神经CRF系统来预测这些对齐。训练好的对齐预测模型随后应用于简单英文维基百科中具有英文对应版本的其他文章，以创建更大的对齐句子语料库。数据集支持文本简化任务，通常使用SARI和FKBLEU指标进行评估。数据

Hugging Face2024-01-18 更新550

CATIE-AQ/bisect_fr_prompt_textual_simplification

文本简化

自然语言处理

bisect_fr_prompt_textual_simplification是DFP数据集的一个子集，包含9,889,420条可用于文本简化任务的数据。该数据集基于BiSECT数据集的法语部分构建，并应用了20种提示语来构建输入和目标列。数据集分为训练集、验证集和测试集，遵循cc-by-nc-4.0许可证。

Hugging Face2025-02-10 更新180

gplsi/Simplification_clearText

资源简介：

数据集许可证信息

相关数据集