pythainlp/thaigov-corpus
收藏Hugging Face2024-03-30 更新2024-06-11 收录
下载链接：
https://hf-mirror.com/datasets/pythainlp/thaigov-corpus
下载链接
链接失效反馈官方服务：
资源简介：
ThaiGov语料库是一个包含泰国政府网站新闻文章的数据集。该数据集是PyThaiNLP项目的一部分，由Wannaphong Phatthiyaphaibun先生编译。每篇文章来自一个URL，格式包括标题、内容和来源URL。数据集的大小为517445225字节，包含28555个示例，下载大小为173349955字节。数据集的语言为泰语，许可证为公共领域（public domain）。
ThaiGov语料库是一个包含泰国政府网站新闻文章的数据集。该数据集是PyThaiNLP项目的一部分，由Wannaphong Phatthiyaphaibun先生编译。每篇文章来自一个URL，格式包括标题、内容和来源URL。数据集的大小为517445225字节，包含28555个示例，下载大小为173349955字节。数据集的语言为泰语，许可证为公共领域（public domain）。
提供机构：
pythainlp
原始信息汇总
数据集概述
基本信息
- 语言: 泰语 (th)
- 许可证: CC0-1.0
- 大小: 10K<n<100K
- 任务类别: 文本生成
数据集特征
- title: 字符串类型
- context: 字符串类型
- raw: 字符串类型
- url: 字符串类型
数据集拆分
- 训练集: 28555个样本，数据大小为517445225字节，下载大小为173349955字节
数据格式
- 每个文件包含一条新闻，从单一URL提取。
- 文件内容格式：标题、内容、来源URL。
数据集配置
- 配置名称: default
- 数据文件: 训练集数据位于
data/train-*路径下。
