spell_correct_train

该数据集是一个越南语拼写校正训练数据集，包含459,478对（噪声，干净）越南语训练对，用于微调序列到序列的拼写校正模型。数据集的干净文本来自越南语维基百科和越南语新闻，噪声通过nom-vn库合成，包括轻度噪声、Telex输入法错误噪声和重度噪声三种预设。拼写校正任务涵盖音调恢复、键盘输入错误和OCR字符替换等。数据集格式为JSONL，包含训练集和验证集。许可证为CC-BY-SA-4.0。