Multilingual Spam Data

kaggle2021-03-24 更新2024-03-07 收录

多语言

垃圾邮件

数据链接：

https://www.kaggle.com/datasets/rajnathpatel/multilingual-spam-data 数据链接链接失效反馈

官方服务：

资源简介：

Multilingual Spam Data for English, Hindi, German, and French

面向英语、印地语、德语与法语的多语言垃圾邮件数据集

创建时间：

2021-03-24

facebook/covost2

语音翻译

多语言

CoVoST 2 是一个大规模的多语言语音翻译语料库，涵盖了从21种语言到英语以及从英语到15种语言的翻译。该数据集使用Mozilla的开源Common Voice数据库创建，包含了2,900小时的语音数据。数据集设计用于语音到文本的翻译任务，常用的评估指标是BLEU分数。数据集包含多种语言的音频文件、转录文本和翻译文本。

Hugging Face2024-01-18 更新4130

Babelscape/multinerd

实体识别

多语言

MultiNERD数据集是首个语言无关的方法，用于自动创建多语言、多类型和细粒度的命名实体识别（NER）和实体消歧注释。该数据集覆盖10种语言（中文、荷兰语、英语、法语、德语、意大利语、波兰语、葡萄牙语、俄语和西班牙语），15个NER类别（人物、地点、组织、动物、生物实体、天体、疾病、事件、食物、仪器、媒体、植物、神话实体、时间和交通工具），以及2种文本类型（维基百科和维基新闻）。数据集结构包括t

Hugging Face2023-04-20 更新220

clips/beir-nl-dbpedia-entity

信息检索

多语言

BEIR-NL是一个荷兰语版本的BEIR基准测试，涵盖了从生物医学、金融文本到一般网络内容的各种领域。数据集包含多个任务，如事实核查、问答、生物医学信息检索、论点检索、重复问题检索、引用预测和实体检索。数据集结构包括corpus、queries和qrels文件，分别用于存储文档、查询和查询文档相关性判断。数据集的创建目的是为了促进荷兰语信息检索模型的发展，通过自动翻译BEIR数据集来实现。然而，数

Hugging Face2025-02-10 更新150

parallel-sentences

自然语言处理

多语言

# Parallel Sentences for 50+ languages > [!NOTE] > This repository contains raw datasets, all of which have also been formatted for easy training in the [Parallel Sentences Datasets](https://huggingf

魔搭社区2025-11-06 更新250

pei39/Taxi1500-RawData-test

多语言

文本分类

该数据集包含多个配置，每个配置对应一种特定的语言或脚本，数据文件按分割（如taxi1500）和路径组织。

Hugging Face2024-06-03 更新180