procesaur/ZNANJE
收藏Hugging Face2024-11-19 更新2024-12-14 收录
下载链接：
https://hf-mirror.com/datasets/procesaur/ZNANJE
下载链接
链接失效反馈官方服务：
资源简介：
ZNANJE数据集是一个包含南斯拉夫语言（如塞尔维亚语、克罗地亚语、斯洛文尼亚语、波斯尼亚语）科学出版物的高质量数据集。该数据集经过精心整理，包含280,460个文档，总计超过42亿个单词。每个JSON行代表一个出版物，文档内部进行了段落和句子标记。该数据集对于训练南斯拉夫语言的高质量语言模型至关重要。
The ZNANJE dataset is a highly curated and diverse collection of scientific publications in South Slavic languages. It contains a total of 280,460 documents with over 4.2 billion words, making it essential for training high-quality language models for South Slavic languages. Each JSON line represents one publication, and all documents are paragraph and sentence-delimited.
提供机构：
procesaur
