BulTreeBank Stopword List

B2FIND2026-04-25 收录

保加利亚语

文本预处理

数据链接：

https://b2find.eudat.eu/dataset/dd516e79-675c-55eb-8ec7-0c614f3bb1ad 数据链接链接失效反馈

官方服务：

资源简介：

805 prepositions, pronouns, etc stop words, UTF-16 list of wordforms

omarelsayeed/good_chats_dataset_pre_tokenization

自然语言处理

文本预处理

--- dataset_info: features: - name: Chat_ID dtype: string - name: text dtype: string splits: - name: train num_bytes: 97515949 num_examples: 33735 download_size: 30316154

Hugging Face2024-02-23 更新160

[ Pig ] Normalized Requirement Files

文本预处理

需求分析

The documents of requirements are normalized by standard pre-processing techniques including splitting identifiers, special token elimination, stemming, and stop word removal.

NIAID Data Ecosystem110

reasoning_bg

阅读理解

保加利亚语

This new dataset is designed to do reading comprehension in Bulgarian language.

huggingface.co100

will33am/wikitext-2-raw-v1-preprocessed-5k-PI_KFI_claude-claude-3-5-sonnet-20240620

自然语言处理

文本预处理

该数据集包含文本、消息列表和输出检索结构三个主要部分。消息列表部分包括内容和角色字段，输出检索结构部分包括更新段落、错误和结果列表字段。数据集被分割为训练集，包含5000个例子，总大小为69662554字节。

Hugging Face2024-07-17 更新130

NikiTricky/digital-bg

文本处理

保加利亚语

--- task_categories: - text-generation - summarization - text-classification language: - bg size_categories: - 10K<n<100K configs: - config_name: default data_files: - split: train path: "post

Hugging Face2023-10-05 更新110

BulTreeBank Stopword List

资源简介：

相关数据集