Diccionario ruido

kaggle2025-09-26 更新2025-10-25 收录

自然语言处理

文本清洗

数据链接：

https://www.kaggle.com/datasets/ginarios1/diccionario-ruido 数据链接链接失效反馈

官方服务：

资源简介：

Diccionario de parejas ruido-limpio de texto en Español

西班牙语噪声-干净文本对词典

创建时间：

2025-09-26

mehdie/fine_tune_dataset_new_format

自然语言处理

机器学习

--- dataset_info: features: - name: text dtype: string - name: labels dtype: int64 splits: - name: train num_bytes: 106945 num_examples: 3010 download_size: 32296 dataset

Hugging Face2024-05-15 更新90

spsither/tibetan_monolingual_S_cleaned_train_test_tokenized

自然语言处理

机器学习

--- dataset_info: features: - name: input_ids sequence: int32 - name: attention_mask sequence: int8 splits: - name: train num_bytes: 234340261728 num_examples: 91253996 - n

Hugging Face2024-05-28 更新60

24-puzzle-game-10k

游戏互动

自然语言处理

这个数据集包含了对话信息，每个对话条目都有发送者（from）和对话内容（value）两个字段，都是字符串类型。数据集仅包含训练集部分，共有9998条对话数据。

Hugging Face2025-03-13 更新50

joaosanches/cleaned_tedtalks_total

TEDTalks

自然语言处理

--- dataset_info: features: - name: pt dtype: string - name: pt-br dtype: string splits: - name: train num_bytes: 66045930 num_examples: 314702 download_size: 41381774 da

Hugging Face2024-01-30 更新80

nafisneehal/trialbrain_baseline_measures_instruct_v1

机器学习

自然语言处理

该数据集包含62,270个训练样本，每个样本包含instruction、input和output三个字符串类型的特征。数据集总大小为211,029,841字节，下载大小为96,199,241字节。数据文件路径为data/train-*。

Hugging Face2024-12-19 更新60