Papers of Ernst Leumann (454): "Zur altind[ischen] Sprachgeschichte (Beginn e...

B2FIND2026-04-29 收录

印度语言学

梵语历史演变

数据链接：

https://b2find.eudat.eu/dataset/57486ec7-a308-54c1-ac19-6baf7998be2a 数据链接链接失效反馈

官方服务：

资源简介：

"Zur altind[ischen] Sprachgeschichte (Beginn eines Aufsatzes)" Clean copy. - The starting point is the discussion of the form niruja "gesund" in a Skt.-verse quoted in the...

《古印度语言史（论文开篇）》清稿本。——本研究以引述自……的一段梵文（Sanskrit）诗行中对意为“健康的”的形式nirujā的讨论为起点。

AI4Bharat-IndicNLP Dataset

自然语言处理

印度语言学

AI4Bharat-IndicNLP数据集是一个持续努力创建的，针对印度语言的大规模、通用领域语料库集合。目前，它包含来自两个语系10种印度语言的27亿个单词。该数据集提供预训练的词嵌入，并创建了9种语言的新闻文章分类数据集以评估这些嵌入。

github2024-05-08 更新1530

google/IndicGenBench_crosssum_in

多语言生成

印度语言学

IndicGenBench数据集，特别是其子集CrossSum-IN，是一个多语言、多任务并行基准测试，旨在评估大型语言模型（LLMs）在29种印度语言上的生成能力。该数据集涵盖了13种书写系统和4种语言家族，包括孟加拉语、古吉拉特语、印地语、卡纳达语、马拉雅拉姆语、马拉地语、泰米尔语、泰卢固语、乌尔都语、阿萨姆语、博杰普尔语、尼泊尔语、奥里亚语、旁遮普语、普什图语、梵语、阿瓦德语、哈里亚纳语、藏

Hugging Face2024-05-04 更新630

Cognitive-Lab/Aya_Dataset_Indic

印度语言学

自然语言处理

该数据集包含多种语言（如孟加拉语、古吉拉特语、印地语、卡纳达语、马拉雅拉姆语、马拉地语、缅甸语、尼泊尔语、旁遮普语、僧伽罗语、信德语、泰米尔语、泰卢固语和乌尔都语）的文本数据。每个语言的数据集包含输入（inputs）、目标（targets）、语言（language）、语言代码（language_code）、注释类型（annotation_type）和用户ID（user_id）等特征。数据集主要用于

Hugging Face2024-03-08 更新140

cfilt/IITB-IndicMonoDoc

印度语言学

语言模型

这是一个包含22种印度计划语言和英语的单语种文档级语料库，总共有39518.51百万个标记。语料库包括的语言有：阿萨姆语、孟加拉语、古吉拉特语、印地语、卡纳达语、克什米尔语、贡根语、马拉雅拉姆语、曼尼普尔语、马拉地语、尼泊尔语、奥里亚语、旁遮普语、梵语、信德语、泰米尔语、泰卢固语、乌尔都语、博多语、桑塔利语、迈蒂利语和 Dogri 语。

Hugging Face2025-02-18 更新1040

Samanantar

机器翻译

印度语言学

Samanantar 是最大的公开可用的印度语言平行语料库：阿萨姆语、孟加拉语、古吉拉特语、印地语、卡纳达语、马拉雅拉姆语、马拉地语、奥里亚语、旁遮普语、泰米尔语、泰卢固语。该语料库有 4960 万个英语到印度语之间的句子对。

OpenDataLab2026-07-12 更新270