Lithuanian morphologically annotated corpus - MATAS v1.0

B2FIND2026-04-29 收录

立陶宛语形态分析

低资源语言语料库

数据链接：

https://b2find.eudat.eu/dataset/ef20ff16-1c97-510f-8451-1c561c83ecf6 数据链接链接失效反馈

官方服务：

资源简介：

MATAS corpus (version 1.0) DESCRIPTION Manually checked, morphologically annotated corpus MATAS FORMATS 1. CoNLL-U (CONLLU, conllu) 2. SketchEngine - tab delimited word per...

KK1-1478 - Grai n kaja ai manang (The bad friend) with English translation

低资源语言语料库

民间故事数字化

Translation (Rita Seng Mai) Once upon a time, there were two childhood friends. They knew each other since they were young. One friend was well-behaved and kind. She shared everything with her friend.

Research Data Australia180

mbazaNLP/kinyarwanda_monolingual_v01.0

低资源语言语料库

基尼亚卢旺达语NLP

--- task_categories: - text-generation language: - rw size_categories: - 1K !!! PLEASE USE mbazaNLP/kinyarwanda_monolingual_v01.1 !!! # <span style="col

Hugging Face2024-10-24 更新90

LRRo: A Lip Reading Data Set for the Under-resourced Romanian Language

唇语识别

低资源语言语料库

Two distinct collections are presented in this repository: (i) wild LRRo data is designed for an Internet in-the-wild, ad-hoc scenario, coming with more than 35 different speakers, 1.1k words, a voc

NIAID Data Ecosystem70

igbo_monolingual

低资源语言语料库

多语言自然语言处理

Igbo Monolingual Dataset 旨在提供尼日利亚伊博语的单语语料数据，规模包含数千条样本。该数据集内容涵盖多种来源，包括书籍章节、新闻报道等，并针对不同来源的数据设置了不同的字段，例如标题、内容、日期等。此数据集支持文本生成和掩码填充等任务。数据集的具体授权许可信息待补充。

OpenCSG2024-07-19 更新100

galsenai/wolof_centalized_corpus

沃洛夫语自然语言处理

低资源语言语料库

该数据集是一个文本数据集，包含212,904个训练示例，总大小约为23.7 MB。每个示例包含text字段（字符串类型，表示文本内容）和sources字段（字符串列表，表示文本来源）。数据集仅提供训练分割，用于自然语言处理任务，如文本分析或模型训练，但具体用途和领域未在README中明确说明。

Hugging Face2026-05-09 更新70