five

prakod/gcm_enhi_filtred_100000

收藏
Hugging Face2024-08-16 更新2024-12-14 收录
下载链接:
https://hf-mirror.com/datasets/prakod/gcm_enhi_filtred_100000
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集包含代码混合语言处理相关的数据,主要用于语言识别和转写任务。数据集包含多个特征字段,如第一语言(L1)、第二语言(L2)、候选代码混合(CM_candidates)、转写的候选代码混合(CM_candidates_transliterated_indictrans)和基于Unicode的语言识别分数(CMI_unicode_based_LID)。数据集仅包含训练集,共有1,160,437个样本,总大小为348,770,857字节。

This dataset contains data related to code-mixed language processing, primarily used for language identification and transliteration tasks. The dataset includes multiple feature fields such as the first language (L1), second language (L2), code-mixed candidates (CM_candidates), transliterated code-mixed candidates (CM_candidates_transliterated_indictrans), and Unicode-based language identification score (CMI_unicode_based_LID). The dataset only includes a training set with 1,160,437 samples and a total size of 348,770,857 bytes.
提供机构:
prakod
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作