C4_200M

kaggle2021-05-26 更新2024-03-07 收录

下载链接：

https://www.kaggle.com/datasets/felixstahlberg/the-c4-200m-dataset-for-gec

下载链接

链接失效反馈

官方服务：

资源简介：

Synthetic dataset for grammatical error correction

用于语法错误纠正的合成数据集

创建时间：

2021-05-26

C4_200M

C4_200M Synthetic Dataset for Grammatical Error Correction

kaggle2021-11-13 更新100

C4_200M Synthetic Dataset for Grammatical Error Correction

该数据集包含用于语法错误修正的合成训练数据。语料库通过使用标记的腐败模型对C4中的干净句子进行腐败生成。详细的方法和数据集描述在Stahlberg和Kumar (2021)的BEA 2021论文中有所阐述。

github2021-12-07 更新180

ardauzunoglu/c4_200m_additional

--- dataset_info: features: - name: text dtype: string - name: timestamp dtype: string - name: url dtype: string - name: token_count dtype: int64 splits: - name: train

Hugging Face2026-05-18 更新00

liweili/c4_200m

c4_200m是一个包含1.85亿个句子对的数据集，这些句子对是从C4的清理过的英语数据集中生成的。该数据集可用于语法错误纠正（GEC）任务。每个句子对包含两个属性：`input`和`output`。例如，输入句子可能是Bitcoin is for $7,094 this morning, which CoinDesk says.，而输出句子则是Bitcoin goes for $7,094 th

Hugging Face2022-10-23 更新90

c4-200m

c4-200m is a collection of 185 million sentence pairs generated from the cleaned English dataset from C4. This dataset can be used in grammatical error correction (GEC) tasks. The corruption edits and

OpenXLab00