five

Arjun-G-Ravi/Ultimate-Malayalam-Dataset

收藏
Hugging Face2024-04-18 更新2024-04-19 收录
下载链接:
https://hf-mirror.com/datasets/Arjun-G-Ravi/Ultimate-Malayalam-Dataset
下载链接
链接失效反馈
官方服务:
资源简介:
--- license: mit task_categories: - text-generation - summarization language: - ml pretty_name: Malayalam dataset size_categories: - 1M<n<10M --- # About This is a large dataset that contains a lot of (more than 6 million) lines of malayalam text. The dataset is created by combining many other malayalam datasets, and cleaning them. The dataset is ideal to train or fine tune a Large Language Model on Malayalam language. # Credits - https://www.kaggle.com/datasets/disisbig/malyalam-news-dataset - https://www.kaggle.com/datasets/parvmodi/english-to-malayalam-machine-translation-dataset?select=train.ml - https://www.kaggle.com/datasets/akhisreelibra/malayalam-news - https://www.kaggle.com/datasets/vigneshvit/malayalam-news-dataset - https://huggingface.co/datasets/rajeshradhakrishnan/malayalam_wiki - https://huggingface.co/datasets/Sakshamrzt/IndicNLP-Malayalam?row=17 - https://www.kaggle.com/datasets/disisbig/malayalam-wikipedia-articles
提供机构:
Arjun-G-Ravi
原始信息汇总

数据集概述

基本信息

  • 许可证: MIT
  • 任务类别:
    • 文本生成
    • 摘要生成
  • 语言: 马拉雅拉姆语(ml)
  • 规模: 1M<n<10M
  • 美观名称: 马拉雅拉姆语数据集

数据集描述

  • 内容: 包含超过600万行马拉雅拉姆语文本。
  • 来源: 由多个马拉雅拉姆语数据集合并并清洗而成。
  • 用途: 适合用于训练或微调马拉雅拉姆语的大型语言模型。

数据集来源

5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作