--- dataset_info: features: - name: id dtype: int64 - name: text dtype: string splits: - name: train num_bytes: 56283820 num_examples: 25000 download_size: 33611577 datas

Hugging Face2023-05-09 更新130

Sindhi Open Lexicon Dataset - SindhiLanguage.org

低资源语言词典构建

多语言自然语言处理

Sindhi Open Lexicon Dataset (223K+ Entries) for AI, NLP & Computational Linguistics. This project is a large-scale structured lexical dataset for the Sindhi language containing over 223,000 entries in

Zenodo2026-05-14 更新60

特朗普推特

政治人物推文分析

社交媒体舆情

美国第45任总统唐纳德·特朗普最近的推文。

DataFountain2025-05-13 更新160

万卷丝路-俄语（ WanJuan-Russian）

多语言自然语言处理

俄语区域研究

“万卷·丝路”俄语语料库，体积超过280GB，包含7个大类和34个小类，覆盖历史、政治、文化、房产、购物、天气、餐饮、百科、专业知识等多个当地特色内容。丰富的主题分类不仅方便了研究人员根据具体需求检索数据，也确保了该语料能够适应不同研究领域多种需求。

OpenXLab80