five

Karan007/LMA_mini_project_dataset

收藏
Hugging Face2025-09-16 更新2025-10-25 收录
下载链接:
https://hf-mirror.com/datasets/Karan007/LMA_mini_project_dataset
下载链接
链接失效反馈
官方服务:
资源简介:
这是一个包含英语、古吉拉特语和博杰普尔语的大型多语言文本语料库,旨在支持自然语言处理研究和开发。语料库由来自各种高质量来源的清洁、预处理的文本组成,分为训练、验证和测试三个部分。该语料库旨在提供一个平衡的多语言语料库,以便在保持英语作为资源丰富的基础的同时,促进代表性不足的语言的建模。

This is a large-scale multilingual text corpus containing English, Gujarati, and Bhojpuri languages, designed to support natural language processing research and development. The corpus consists of cleaned, preprocessed text from various high-quality sources, split into training, validation, and test parts. The corpus aims to provide a balanced multilingual resource to facilitate modeling of underrepresented languages while maintaining English as a resource-rich baseline.
提供机构:
Karan007
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