makhzan

Makhzan仓库专注于为机器学习、自然语言处理和语言分析提供乌尔都语文本语料库。该语料库包含5522个样本，主要用于文本生成和掩码填充等任务。数据来源于Bunyad和Ishraq等知名期刊，并由专家进行筛选，保证了语言质量和编辑标准。数据以XML格式进行结构化和标注，包括文档标题、作者信息、出版信息等元数据，以及文档正文内容，并提供标准化数据操作。该数据集在语言质量方面具有优势，但也存在一些XML文件无效的问题。