--- license: apache-2.0 task_categories: - text-generation language: - zh tags: - legal size_categories: - 10K<n<100K --- 基于[lawyer-llama](https://github.com/AndrewZhe/lawyer-llama)的开源数据进行了简单的整合，格式符合

Hugging Face2023-08-24 更新230

数据堂—222,289张中文自然场景OCR数据

光学字符识别

中文处理

222,289张中文自然场景OCR数据采集场景涵盖室内和室外场景。数据多样性包括多种场景和多种拍摄角度。在标注方面，对图像中文字进行行级标注、单词级标注、字符级标注和内容转写。本套中文自然场景OCR数据可用于自然场景OCR任务。

魔搭社区2025-11-26 更新320

中文人名语料库（Chinese-Names-Corpus）

中文处理

自然语言处理

包含多个子数据集，如中文常见人名、中文古代人名、日文人名、翻译人名等，总计超过200万条记录，用于中文分词和人名识别。

github2019-01-07 更新300

027_SimHei

资源简介：

相关数据集