VietAI Dataset
收藏kaggle2020-07-25 更新2024-03-11 收录
下载链接：
https://www.kaggle.com/datasets/aeryss/vietai-dataset
下载链接
链接失效反馈官方服务：
资源简介：
应用场景：
创建时间：
2020-07-25
相关数据集
wanhin/VietAI_MTet
该数据集包含两个主要特征字段：en（英文）和vi（越南文），均为字符串类型。数据集主要分割为训练集，包含20101790个示例，总大小为44384762685字节。下载该数据集需要23266636030字节的空间。
Hugging Face2024-05-17 更新100
VietAI/vi_pubmed
该数据集包含2000万条越南语PubMed生物医学摘要，这些摘要是通过最先进的英越翻译项目从英语翻译而来的。数据集被用作无标签数据集，用于预训练越南生物医学领域的Transformer模型。原始数据来自PubMed，翻译后的越南语摘要由英越翻译项目生成。数据集的结构包括英语和越南语序列，数据集的下载大小为23041004247字节，数据集大小为44360028980字节。
Hugging Face2024-01-09 更新200
tta1301/vietai-mtet
--- dataset_info: features: - name: en dtype: string - name: vi dtype: string splits: - name: train num_bytes: 44384762685 num_examples: 20101790 download_size: 23180885786
Hugging Face2025-11-24 更新50
VietAI/spoken_norm_assignment
该数据集用于越南语的逆向文本归一化（ITN）任务，该任务在自动语音识别（ASR）系统中尤为重要，可以提高系统输出的可读性。数据集中包含时间和日期、数字和度量单位、电话号码等类型的数据。数据集分为训练集、验证集和测试集，分别包含500,000、2,500和2,500个实例。
Hugging Face2022-07-12 更新280
