Big data language model stemmed in ARPA format

B2FIND2026-04-29 收录

语言建模

文本预处理

数据链接：

https://b2find.eudat.eu/dataset/d341db14-19c9-5b03-a746-7e3ba98d8fb7 数据链接链接失效反馈

官方服务：

资源简介：

Big data language model stemmed in ARPA format.

采用ARPA格式的大数据语言模型

FrancophonIA/CoFiF

金融

语言建模

CoFiF是第一个包含法语公司报告的语料库。它包含了2655份报告，总计超过1.88亿个词，涵盖了四种类型的文件：参考文件、年度报告、半年度报告和季度报告。这些文件来自法国主要股票指数CAC40和CAC Next 20中的60家最大公司，时间跨度从1995年到2018年。数据集的主要用途是语言建模，可以用于训练法语模型。

Hugging Face2025-03-29 更新610

omarelsayeed/good_chats_dataset_pre_tokenization

自然语言处理

文本预处理

--- dataset_info: features: - name: Chat_ID dtype: string - name: text dtype: string splits: - name: train num_bytes: 97515949 num_examples: 33735 download_size: 30316154

Hugging Face2024-02-23 更新160

hieule/news_corpus_v2_p3

文本处理

语言建模

--- dataset_info: features: - name: source dtype: string - name: title dtype: string - name: sapo dtype: string - name: cates dtype: 'null' - name: publish dtype: times

Hugging Face2022-12-09 更新100

The Pile Dataset

语言建模

自然语言处理

The Pile is a 825 GiB diverse, open source language modelling data set that consists of 22 smaller, high-quality datasets combined together. Datasheet: Datasheet for the Pile

paperswithcode.com190

Results of the multiple regression analyses predicting syntactic complexity.

句法复杂性分析

语言建模

Results of the multiple regression analyses predicting syntactic complexity.

NIAID Data Ecosystem110