Pinyin to Character Conversion Dataset
收藏arXiv2025-09-30 收录
下载链接：
https://github.com/brightmart/nlp_chinese_corpus
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是为了拼音转汉字任务（P2C）而创建的，它包含了从主要中文新闻网站收集的文章。此外，数据集还整合了“常用词汇”和“网络词汇”等外部词库，以提升转换性能。其规模包括260万篇训练文章和1000篇测试文章，专门用于拼音转汉字的任务。
This dataset is developed specifically for the Pinyin-to-Character (P2C) task. It comprises articles collected from major Chinese news websites, and incorporates external lexicons such as common vocabulary and internet slang to enhance the conversion performance. The dataset contains 2.6 million training articles and 1,000 test articles in total.
