B7 Wolof (Wikipedia)

B2FIND2026-04-25 收录

低资源自然语言处理

维基百科语料

数据链接：

https://b2find.eudat.eu/dataset/45bafda6-aef1-5143-9fe3-6a9ea66213ed 数据链接链接失效反馈

官方服务：

资源简介：

The corpus comprises out of a collection of texts from the Wolof Wikipedia, randomly chosen for their near-standard like orthography and language, and treating different topics....

LORELEI Vietnamese Representative Language Pack

低资源自然语言处理

自然语言处理

Introduction LORELEI Vietnamese Representative Language Pack consists of Vietnamese monolingual text, Vietnamese-English parallel text, annotations, supplemental resources and related software tools d

DataCite Commons2020-08-17 更新120

OLDI Seed Corpus French Partition

机器翻译

低资源自然语言处理

OLDI Seed Corpus French Partition是一个法语分区，由Inria研究机构创建，旨在解决低资源语言翻译训练数据不足的问题。该数据集包含大约6000个英文句子，这些句子从维基百科的核心文章中抽取，涵盖了广泛的主题。为了创建这个数据集，使用了多种机器翻译系统和定制的后编辑界面，由母语为法语的专业人员进行后编辑。这个法语语料库不仅是翻译的终点，而且作为关键的中转资源，旨在促进

arXiv2025-08-04 更新80

Health QA in Low-Resource African Languages

医疗健康问答

低资源自然语言处理

Maternal, sexual and reproductive health QA pairs across four African languages

kaggle2026-05-02 更新40

BR4-004 - Bislama stops

低资源自然语言处理

停用词

Pilot Bislama stop wordlist with LE. Language as given:

Research Data Australia120

rahat01/BanglaNMT_en_to_bn_instructed

神经机器翻译

低资源自然语言处理

该数据集包含三个主要特征：instruction（指令）、output（输出）和input（输入），所有特征的数据类型均为字符串。数据集分为训练集、验证集和测试集，分别包含2379749、597和1000个样本。训练集的大小为913514066字节，验证集为309178字节，测试集为505845字节。总下载大小为354864571字节，数据集总大小为914329089字节。

Hugging Face2024-07-06 更新60

B7 Wolof (Wikipedia)

资源简介：

相关数据集