hinglishNorm是由Vahan Inc创建的一个包含13494个Hindi-English混合语句的数据集，专门用于文本规范化任务。该数据集的特点是每个句子都配有其人工标注的规范化形式，旨在解决非标准文本到标准格式的转换问题。数据集的创建过程包括数据收集、过滤与清洗、以及人工标注等步骤。hinglishNorm主要应用于自然语言处理领域，特别是在为印度用户构建互联网应用时，处理混合语言文本

arXiv2020-10-18 更新80

thangvip/thuvienphapluat-qa-normalize

法律问答

文本规范化

该数据集包含多个配置，每个配置都有相同的特征：标题（title）、问题（question）、内容（content）和标准化答案（normalize_answer）。每个配置的训练集包含1000个样本，数据集的大小和下载大小因配置不同而有所变化。

Hugging Face2024-04-10 更新240

Ahmadsameh8/QalbPreprocessedAndMergedwithoutPunct

阿拉伯语语法

文本规范化

--- dataset_info: features: - name: correct dtype: string - name: incorrect dtype: string splits: - name: train num_bytes: 18912610 num_examples: 18350 - name: validation

Hugging Face2024-04-30 更新130

Normalization of characters having the same pronunciations.

资源简介：

相关数据集