cointegrated/taiga_stripped_stihi

这是从Taiga语料库中提取的一个子集，源自`stihi`（诗歌）源。数据集包含纯文本，没有形态和句法注释或元信息。除了去除注释外，文本未作其他修改。

原始信息汇总

数据集卡片 "taiga_stripped_stihi"

数据集信息

特征

• 名称: text
  • 数据类型: string
• 名称: file
  • 数据类型: string

分割

• 名称: train
  • 字节数: 14185482821
  • 样本数: 9157973

下载大小

• 大小: 7745419481

数据集大小

• 大小: 14185482821

许可证

• 类型: cc-by-sa-3.0

语言

• 类型: ru

标签

• 类型: taiga
• 类型: tayga

大小类别

• 类型: 1M<n<10M

任务类别

• 类型: text-generation
• 类型: fill-mask

数据集描述

该数据集是Taiga语料库（https://tatianashavrina.github.io/taiga_site）的一个子集，源自stihi源（即“诗歌”）。

数据集包含纯文本，没有形态和句法注释或元信息。除了去除注释外，文本未作修改。

有关更多详细信息和分析，以及带有注释或元数据的文本，请参阅语料库的网站。

Taiga的其他子集包括：proza（小说）和其他源（新闻、字幕和社交媒体）。

许可证：CC BY-SA 3.0。