International Centre for Language and Communicative Development: Using a Deve...

B2FIND2026-04-28 收录

语言建模

多语言分布分析

数据链接：

https://b2find.eudat.eu/dataset/c91dae27-ef54-5a1e-8e2d-e8299f0d6fd6 数据链接链接失效反馈

官方服务：

资源简介：

We examine the success of developmental distributional analysis in English, German and Dutch. We embed the mechanism for distributional analysis within an existing model of...

FrancophonIA/CoFiF

金融

语言建模

CoFiF是第一个包含法语公司报告的语料库。它包含了2655份报告，总计超过1.88亿个词，涵盖了四种类型的文件：参考文件、年度报告、半年度报告和季度报告。这些文件来自法国主要股票指数CAC40和CAC Next 20中的60家最大公司，时间跨度从1995年到2018年。数据集的主要用途是语言建模，可以用于训练法语模型。

Hugging Face2025-03-29 更新610

Hellisotherpeople/Lipogram-e

受限文本生成

语言建模

Lipogram-e数据集包含三本不包含字母e的英文书籍，分别是Ernest Vincent Wright的《Gadsby》、Georges Perec的《A Void》和Christian Bok的《Eunoia》（除了其中一章使用了字母e）。这些书籍是Lipogram（避字文）的示例，即系统性地省略某个字母或字符串的作品。数据集的主要任务是受限文本生成，但也适用于所有类型的语言建模任务。数据集

Hugging Face2022-09-30 更新270

The Pile Dataset

语言建模

自然语言处理

The Pile is a 825 GiB diverse, open source language modelling data set that consists of 22 smaller, high-quality datasets combined together. Datasheet: Datasheet for the Pile

paperswithcode.com190

BigAmharicDataset

阿姆哈拉语

语言建模

Comprehensive Resource for Amharic Language Modelling

kaggle2024-08-07 更新310

NOVA-vision-language/calame-pt

语言建模

自然语言处理

CALAME-PT是一个葡萄牙语基准测试，由小文本（上下文）及其相应的最后一个单词组成。这些上下文理论上应包含足够的信息，使人类或模型能够猜测其最后一个单词，而不会过于具体或模糊。数据集分为手写集和生成集两部分，手写集包含406个由葡萄牙语母语者手写的样本，生成集包含1670个由GPT-3.5生成并经过人工审查的样本。生成集的样本来自葡萄牙维基百科、OSCAR和Arquivo.pt等数据源，经过G

Hugging Face2024-03-14 更新210

International Centre for Language and Communicative Development: Using a Deve...

资源简介：

相关数据集