n-gram-tokens-preprocessed

kaggle2022-05-12 更新2024-03-08 收录

下载链接：

https://www.kaggle.com/datasets/nazmulrony/ngramtokenspreprocessed

下载链接

链接失效反馈

官方服务：

资源简介：

创建时间：

2022-05-12

Tokenizer and preprocessing of chemical formulas

kaggle2023-04-07 更新00

abdiharyadi/eli5-id-preprocessed-tokenized-filtered

--- dataset_info: features: - name: input_ids sequence: int32 - name: attention_mask sequence: int8 - name: labels sequence: int64 splits: - name: train num_bytes: 10043016

Hugging Face2024-05-23 更新60

n-grams

~ 4.5 million+ samples off of fineweb (unigrams-hexgrams)

kaggle2025-08-15 更新40

dianavdavidson/gram-vaani-preprocessed

这是一个包含印地语音频及其转录文本的数据集，带有说话者的人口统计信息和情感标签。数据集包括音频特征（采样率16000Hz）、转录文本、口音、年龄、性别、背景、情感、地区、州等信息，用于语音识别或情感分析等自然语言处理任务。数据分为训练集（22454个样本）、验证集（1220个样本）和测试集（716个样本）。

Hugging Face2026-05-27 更新00

google n gram

kaggle2018-11-28 更新00