Luciano/lener_br_text_to_lm

LeNER-Br语言建模数据集是一个包含葡萄牙语法律文本的集合，这些文本来自LeNER-Br数据集。这些法律文本是从原始的Hugging Face LeNER-Br数据集中获取的，并经过处理，创建了一个包含训练和验证数据集（20%）的DatasetDict。该数据集允许对BERTimbau基础和大模型进行微调。数据集的结构包括训练集和测试集，分别包含8316和2079行数据。

原始信息汇总

数据集概述

数据集名称

• 名称: LeNER-Br语言建模数据集

数据集描述

• 描述: 该数据集包含从LeNER-Br数据集（https://cic.unb.br/~teodecampos/LeNER-Br/）获取的葡萄牙语法律文本。这些文本来自原始的Hugging Face LeNER-Br数据集（https://huggingface.co/datasets/lener_br），并被处理以创建包含训练和验证数据（20%）的DatasetDict。

数据集用途

• 用途: 允许对BERTimbau基础和大型语言模型进行微调。

语言

• 语言: 葡萄牙语

数据集结构

• 结构: 包含训练和测试数据集
  • 训练集: 8316行
  • 测试集: 2079行

数据集大小

• 大小: 10K<n<100K

任务类别

• 任务:
  • 掩码语言建模
  • 语言建模