krittus/k12-indian-curriculum-4.9m
收藏资源简介：
--- language: - en - hi - bn - te - ta - kn - ml - mr - gu - or - pa - ur license: apache-2.0 task_categories: - question-answering - text-generation tags: - education - k12 - indian-languages - cbse - ncert - bharatllm size_categories: - 1M<n<10M --- # BharatLLM K-12 Indian Curriculum Dataset (4.9M) **4,904,936 question-answer pairs** covering **CBSE/NCERT K-12 curriculum** across **12 Indian languages**. | Language | Script | Entries | |----------|--------|---------| | English | Latin | ~594K | | Hindi | Devanagari | ~449K | | Bengali | Bengali | ~408K | | Telugu | Telugu | ~408K | | Tamil | Tamil | ~408K | | Kannada | Kannada | ~408K | | Malayalam | Malayalam | ~408K | | Marathi | Devanagari | ~408K | | Gujarati | Gujarati | ~408K | | Odia | Odia | ~408K | | Punjabi | Gurmukhi | ~408K | | Urdu | Nastaliq | ~374K | ## Format ```json { "instruction": "What is the Pythagorean theorem?", "response": "The Pythagorean theorem states that...", "language": "english", "subject": "Mathematics", "class": "10" } ``` ## Usage ```python from datasets import load_dataset dataset = load_dataset("FoundryAILabs/k12-indian-curriculum-4.9m") hindi = dataset.filter(lambda x: x["language"] == "hindi") ``` **Website**: [foundryailabs.io](https://foundryailabs.io)
### 数据集元信息 - 支持语言：英语（en）、印地语（hi）、孟加拉语（bn）、泰卢固语（te）、泰米尔语（ta）、卡纳达语（kn）、马拉雅拉姆语（ml）、马拉地语（mr）、古吉拉特语（gu）、奥里亚语（or）、旁遮普语（pa）、乌尔都语（ur） - 开源协议：Apache-2.0 - 任务类别：问答、文本生成 - 标签：教育、K12、印度语言、中央中等教育委员会（CBSE）、国家教育研究与培训委员会（NCERT）、BharatLLM - 数据规模：100万 < 数据量 < 1000万 # BharatLLM K-12印度课程数据集（490万条） **共4904936条问答对**，覆盖12种印度语言的中央中等教育委员会（CBSE）与国家教育研究与培训委员会（NCERT）K12课程大纲。 | 语言 | 书写系统 | 条目数 | |------|----------|--------| | 英语 | 拉丁字母 | ~59.4万 | | 印地语 | 天城文 | ~44.9万 | | 孟加拉语 | 孟加拉文 | ~40.8万 | | 泰卢固语 | 泰卢固文 | ~40.8万 | | 泰米尔语 | 泰米尔文 | ~40.8万 | | 卡纳达语 | 卡纳达文 | ~40.8万 | | 马拉雅拉姆语 | 马拉雅拉姆文 | ~40.8万 | | 马拉地语 | 天城文 | ~40.8万 | | 古吉拉特语 | 古吉拉特文 | ~40.8万 | | 奥里亚语 | 奥里亚文 | ~40.8万 | | 旁遮普语 | 古木基文 | ~40.8万 | | 乌尔都语 | 纳斯塔里克体 | ~37.4万 | ## 数据格式 json { "instruction": "勾股定理是什么？", "response": "勾股定理指出在直角三角形中，两条直角边的平方和等于斜边的平方。", "language": "english", "subject": "数学", "class": "10" } ## 使用方法 python from datasets import load_dataset # 加载BharatLLM K-12印度课程数据集 dataset = load_dataset("FoundryAILabs/k12-indian-curriculum-4.9m") # 筛选出语言为印地语的数据集子集 hindi = dataset.filter(lambda x: x["language"] == "hindi") **官方网站**：[foundryailabs.io](https://foundryailabs.io)
