Indic-LLM-Labs/CulturaX-Kn

该数据集是CulturaX数据集的过滤版本，仅包含卡纳达语（Kannada）的样本。数据集总共有1,352,142个样本，每个样本包含文本、时间戳、URL和来源信息。数据集的用途是文本生成任务，且数据量在1M到10M之间。

原始信息汇总

数据集概述

基本信息

• 语言: 卡纳达语 (kn)
• 许可证: MIT
• 数据集大小: 1M<n<10M
• 任务类别: 文本生成

配置

• 配置名称: default
• 数据文件:
  • 分割: train
  • 路径: data/train-*

数据集信息

• 特征:
  • 名称: text, dtype: string
  • 名称: timestamp, dtype: string
  • 名称: url, dtype: string
  • 名称: source, dtype: string
• 分割:
  • 名称: train
  • 字节数: 10347179458
  • 样本数: 1352142
• 下载大小: 3976072715
• 数据集大小: 10347179458

数据集结构

python { "text": ..., "timestamp": ..., "url": ..., "source": "mc4" | "OSCAR-xxxx", }

数据样本

python {text: "ಭಟ್ಕಳ : ತಂದೆ ತಾಯಿ ಸ್ಮರಣಾರ್ಥ ; ಉಚಿತ ನೋಟ್ ಬುಕ್ ವಿತರಣೆ | Vartha Bharati- ವಾರ್ತಾ ಭಾರತಿ ಮುದರಂಗಡಿ ಬಿಜೆಪಿ ಗ್ರಾಪಂ ಸದಸ್ಯರ ವಿರುದ್ಧ ಪ್ರತಿಭಟನೆ ಹೋಮ್ ಕ್ವಾರಂಟೈನ್ ನಿಯಮ ಉಲ್ಲಂಘನೆ: ಪ್ರಕರಣ ದಾಖಲು ಭಟ್ಕಳ : ತಂದೆ ತಾಯಿ ಸ್ಮರಣಾರ್ಥ ; ಉಚಿತ ನೋಟ್ ಬುಕ್ ವಿತರಣೆ ವಾರ್ತಾ ಭಾರತಿ Jun 19, 2019, 10:52 PM IST ಭಟ್ಕಳ : ತಾಲೂಕಿನ ಹುರುಳಿಸಾಲಿನ ನಿವಾಸಿಗಳಾದ ವೃತ್ತಿಯಲ್ಲಿ ಶಿಕ್ಷಕರಾದ ವೆಂಕಟೇಶ ನಾರಾಯಣ ನಾಯ್ಕ ಪಟೇಲರಮನೆ ಇವರ ತಂದೆ ತಾಯಿಗಳ ಅಕಾಲಿಕ ಮರಣದಿಂದ ಅವರ ಮರಣ ದಿನದ ಸವಿನೆನಪಿಗಾಗಿ ಕಳೆದ 9 ವರ್ಷದಿಂದ ಇಲ್ಲಿನ ಶಾಲಾ ಮಕ್ಕಳಿಗೆ ಉಚಿತ ನೋಟ್ ಬುಕ್ ವಿತರಿಸುತ್ತಾ ಬಂದಿದ್ದು, ಮಂಗಳವಾರದಂದು ಇಲ್ಲಿನ ಸರಕಾರಿ ಹಿರಿಯ ಪ್ರಾಥಮಿಕ ಶಾಲೆ ಮುಟ್ಟಳ್ಳಿಗೆ ತೆರಳಿ ವಿದ್ಯಾರ್ಥಿಗಳಿಗೆ ನೋಟ್ ವಿತರಿಸಿದರು. ನೋಟ್ ಬುಕ್ ವಿತರಣೆ ಮಾಡಿ ಮಾತನಾಡಿದ ಶಿಕ್ಷಕ ವೆಂಕಟೇಶ ನಾಯ್ಕ ವಿದ್ಯಾರ್ಥಿಗಳ ಭವಿಷ್ಯದ ದಿಸೆಯಿಂದ ಹಾಗೂ ತಂದೆ-ತಾಯಿಗಳ ಸವಿನೆನಪಿಗಾಗಿ ಉಚಿತ ನೋಟ್ ಬುಕ್ ವಿತರಿಸಲಾಗುತ್ತಿದೆ. ದುಡಿಮೆಯ ಒಂದು ಭಾಗವನ್ನು ಸಮಾಜಮುಖಿ ಕೆಲಕ್ಕೆ ಪ್ರತಿ ವರ್ಷ, ನನ್ನ ಮಡದಿ ಜಯಲಕ್ಷ್ಮೀ ನಾಯ್ಕ ಅವರ ಸಹಕಾರದಿಂದ ಕುಟುಂಬದವರ ಸಹಕಾರದಿಂದ ಈ ಕಾರ್ಯ ಮಾಡುತ್ತಿದ್ದೇನೆ. ಸಮಾಜದಲ್ಲಿ ಎಷ್ಟೇ ಎತ್ತರಕ್ಕೆ ಬೆಳೆದರು ತಂದೆತಾಯಿಗಳ ಹಾಗೂ ಗುರುಗಳ ಋಣ ತೀರಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ನಾನು ಮಾಡಿದ ಕಾರ್ಯವನ್ನು ಮುಂದಿನ ದಿನದಲ್ಲಿ ದುಡಿಯುವ ವೇಳೆ ನಿಮ್ಮದಿಂದಾಗುವಷ್ಟು ಸಹಾಯ ಸೇವೆ ಮಾಡಿ ಎಂದು ಕರೆ ನೀಡಿದರು. ನಂತರ ದಂತ ವೈದ್ಯರಾದ ಡಾ. ರವಿ ಮಾತನಾಡಿ ನಮ್ಮ ಸಮಾಜದಲ್ಲಿ ಇಂತಹ ವ್ಯಕ್ತಿಗಳಿರುವದರಿಂದ ನಮ್ಮ ಸಮಾಜವು ಏಳಿಗೆಯತ್ತ ಮುಖ ಮಾಡುತ್ತದೆ. ಮಕ್ಕಳಾದ ನಾವು ಎಲ್ಲೇ ಇರಿಬಹುದು ಹೇಗೆ ಇರಿಬಹುದ ಆದರೆ ತಂದೆ ತಾಯಿಗಳು ನಮಗೆ ಮಾಡಿರುವ ತ್ಯಾಗಕ್ಕೆ ನಾವು ಋಣ ತೀರಿಸಲು ಸಾಧ್ಯವಾಗದಿದ್ದರು ಇಂತಹ ಕೆಲಸ ಮಾಡಿ ಅವರ ತ್ಯಾಗಕ್ಕೆ ಪ್ರತಿಫಲ ಕೊಟ್ಟಂತೆ ಆಗುತ್ತದೆ ಅಂದು ಕಿವಿ ಮಾತನ್ನು ಮಕ್ಕಳಿಗೆ ಹೇಳಿದರು. ಈ ಸಂಧರ್ಭದಲ್ಲಿ ಮುಟ್ಟಳ್ಳಿ ಶಾಲಾ ವಿದ್ಯಾರ್ಥಿಗಳಿಗೆ ಉಚಿತ ನೋಟ್ ಬುಕ್ ವಿತರಿಸಿದರು. ಈಗಿನ ಇಲೆಕ್ಟ್ರಾನಿಕ ಜೀವನ ಶೈಲಿಯಲ್ಲಿ ಸಾಕಿದ ತಂದೆ ತಾಯಿಗಳನ್ನು ಅನಾಥಾಶ್ರಾಮಕ್ಕೊ ಅಥವಾ ದಾರಿಯ ಮೇಲೋ ಮನೆಯಿಂದ ಹೊರಗೆ ಹಾಕುವ ಮಕ್ಕಳ ನಡುವೆ ಅವರ ಅಕಾಲಿಕ ಮರಣದಿಂದ ನೊಂದು ಅವರ ಸವಿನೆನಪನ್ನು ಉತ್ತಮ ಕಾರ್ಯ ಮಾಡುವುದರೊಂದಿಗೆ ಸಾರ್ಥಕತೆಯನ್ನು ಮೆರೆದಿದ್ದಾರೆ. ಈ ಸಂಧರ್ಭದಲ್ಲಿ ಶಾಲೆಯ ಎಸ್.ಡಿ. ಎಂ ಅಧ್ಯಕ್ಷರಾದ ವೆಂಕಟೇಶ ನಾಯ್ಕ, ರಾಜ್ಯ ಸರಕಾರಿ ನೌಕರರ ಸಂಘ ಸದಸ್ಯ ಬಿ.ಕೆ.ನಾಯ್ಕ, ಶಿಕ್ಷಕ ಸಿ.ಡಿ.ಪಡುವಣಿ, ಗಜಾನನ ನಾಯ್ಕ ಮುಖ್ಯ ಶಿಕ್ಷಕರು ವೆಂಕಟೇಶ್ ದೇವಡಿಗ್ ಶಿಕ್ಷಕರು ಉಪಸ್ಥಿತರಿದ್ದರು.", timestamp: 2020/07/07 13:00:41, url: http://www.varthabharati.in/article/karavali/196595, source: mC4}