有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
aseifert/merlin
收藏hugging_face2022-10-21 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/aseifert/merlin
下载链接
链接失效反馈资源简介：
MERLIN语料库是一个为捷克语、德语和意大利语设计的书面学习者语料库，旨在通过真实的学习者数据展示欧洲语言共同参考框架（CEFR）。语料库包含了在标准化语言认证中产生的学习者文本，涵盖了CEFR的A1-C1级别。MERLIN的注释方案包括广泛的语言特征，为研究人员提供了跨多个熟练水平的学习者表现和进展的具体示例。
提供机构：
aseifert
原始信息汇总
MERLIN corpus 概述
基本信息
- 名称: MERLIN corpus
- 多语言性: 翻译（包含语言：捷克语、德语、意大利语）
- 任务类别: 条件文本生成
- 具体任务: 机器翻译
- 大小: 未知
描述
- 用途: 用于展示《欧洲共同语言参考框架》(CEFR) 的书面学习者语料库，涵盖捷克语、德语和意大利语。
- 内容: 包含在标准化语言认证中产生的学习者文本，覆盖CEFR级别A1至C1。
- 特点: 提供广泛的语料库注释方案，包括多种语言特征，以便研究者观察学习者在不同熟练度级别的表现和进步。
访问信息
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
AISHELL/AISHELL-1
Aishell是一个开源的中文普通话语音语料库，由北京壳壳科技有限公司发布。数据集包含了来自中国不同口音地区的400人的录音，录音在安静的室内环境中使用高保真麦克风进行，并下采样至16kHz。通过专业的语音标注和严格的质量检查，手动转录的准确率超过95%。该数据集免费供学术使用，旨在为语音识别领域的新研究人员提供适量的数据。
hugging_face 收录
Awesome JSON Datasets
一个精选的无需认证的JSON数据集列表。
github 收录
Traditional-Chinese-Medicine-Dataset-SFT
该数据集是一个高质量的中医数据集，主要由非网络来源的内部数据构成，包含约1GB的中医各个领域临床案例、名家典籍、医学百科、名词解释等优质内容。数据集99%为简体中文内容，质量优异，信息密度可观。数据集适用于预训练或继续预训练用途，未来将继续发布针对SFT/IFT的多轮对话和问答数据集。数据集可以独立使用，但建议先使用配套的预训练数据集对模型进行继续预训练后，再使用该数据集进行进一步的指令微调。数据集还包含一定比例的中文常识、中文多轮对话数据以及古文/文言文<->现代文翻译数据，以避免灾难性遗忘并加强模型表现。
huggingface 收录
LIDC-IDRI
LIDC-IDRI 数据集包含来自四位经验丰富的胸部放射科医师的病变注释。 LIDC-IDRI 包含来自 1010 名肺部患者的 1018 份低剂量肺部 CT。
OpenDataLab 收录
猫狗图像数据集
该数据集包含猫和狗的图像，每类各12500张。训练集和测试集分别包含10000张和2500张图像，用于模型的训练和评估。
github 收录