Random Bulgarian paragraphs

kaggle2023-04-09 更新2024-03-08 收录

保加利亚语

Wikipedia

数据链接：

https://www.kaggle.com/datasets/nikitricky/random-bulgarian-paragraphs 数据链接链接失效反馈

官方服务：

资源简介：

100K Paragraphs in Bulgarian from Wikipedia

源自维基百科(Wikipedia)的10万个保加利亚语段落

创建时间：

2023-04-09

pinzhenchen/alpaca-cleaned-bg

语言模型调优

保加利亚语

该HF数据仓库包含了用于单语与多语指令调优研究的保加利亚Alpaca数据集。数据集是通过机器翻译从[yahma/alpaca-cleaned](https://huggingface.co/datasets/yahma/alpaca-cleaned)转换而来，主要用于保加利亚语的指令调优。数据集大约包含52K个实例，每个实例包含指令、输出和可选的输入字段。已知问题是机器翻译过程可能损坏了包含代码、

Hugging Face2024-03-06 更新860

Ti-Ma/wikipedia_2018

Wikipedia

时间序列分析

该数据集是基于截至2018年12月31日的Wikipedia数据构建的。通过选择每年12月31日的最新修订版本，确保数据集反映了每年年底Wikipedia上最新的信息。数据集经过清理，去除了文件链接、强调、注释、缩进、HTML、引用等不需要的特征和属性。数据集适用于历时研究、历史LLM预训练以及需要严格时间划分数据的任务。

Hugging Face2024-04-26 更新300

Indonesia Wikipedia Pages

Wikipedia

印度尼西亚语

Preprocessed Wikipedia Pages From Wikipedia Database Dump.

kaggle2023-01-07 更新120

Ti-Ma/wikipedia_2017

Wikipedia

历史数据

这是一个基于Wikipedia的数据集，截止日期为2017年12月31日。数据集包含了每年12月31日的最新修订版本，即使某些页面的修订日期早于目标日期，这些页面在截止日期时被认为是当前版本。数据集经过清理，去除了文件链接、强调、评论、缩进、HTML、引用等不需要的特征和属性。数据集适用于历时研究、历史LLM预训练以及需要严格时间分区数据的任务。

Hugging Face2024-04-26 更新690

wikilite

Wikipedia

离线搜索

该数据集提供了预处理的SQLite数据库，用于Wikilite工具，支持离线搜索和访问Wikipedia内容。支持的语言包括撒丁语、意大利语、西班牙语和英语。数据集结构为每种语言存储为一个单独的压缩文件。使用方法包括下载、解压缩数据库、安装Wikilite、运行Wikilite以及访问Web界面。Wikilite工具具有快速灵活的词汇搜索、增强的语义搜索、离线访问、命令行界面和Web界面等功能。

Hugging Face2024-12-30 更新230

Random Bulgarian paragraphs

资源简介：

相关数据集