Flaglab/spanish-corpus-xix
收藏Hugging Face2024-09-23 更新2024-06-12 收录
下载链接：
https://hf-mirror.com/datasets/Flaglab/spanish-corpus-xix
下载链接
链接失效反馈官方服务：
资源简介：
这是一个关于19世纪西班牙语文本的语料库，包含报纸、书籍等多种类型的文本。数据集适用于多种自然语言处理任务，如填空、文本检索、文本分类等。数据集的大小在10万到1000万之间，来源包括扩展的BL书籍、拉丁美洲19世纪文本和古腾堡计划。
这是一个关于19世纪西班牙语文本的语料库，包含报纸、书籍等多种类型的文本。数据集适用于多种自然语言处理任务，如填空、文本检索、文本分类等。数据集的大小在10万到1000万之间，来源包括扩展的BL书籍、拉丁美洲19世纪文本和古腾堡计划。
提供机构：
Flaglab
原始信息汇总
数据集概述
基本信息
- 名称: XIX Century Spanish Corpus
- 语言: 西班牙语
- 语言创建者: 发现、机器生成
- 许可证: MIT
- 多语言性: 单语
- 大小类别: 100K<n<1M, 1M<n<10M
- 标签: 报纸、书籍、19世纪、1800-1900、研究、西班牙语
数据来源
- 扩展来源: blbooks, latam-xix, project_gutenberg
任务类别
- 任务类别: 填充掩码、文本检索、文本分类
- 任务ID: 槽填充、掩码语言建模、文档检索、对话生成、多标签分类、实体链接分类、情感分类、语义相似度评分、语义相似度分类、情感评分、情感分析、主题分类、多输入文本分类、多类分类、仇恨言论检测
配置
- 配置名称: chunked
- 数据文件: chunked-spanish-corpus-xix.parquet
- 默认: 是
- 配置名称: cleaned
- 数据文件: cleaned-spanish-corpus-xix.parquet
- 配置名称: original
- 数据文件: original-spanish-corpus-xix.parquet
