acul3/prompt

Name: acul3/prompt
Creator: acul3
Published: 2023-09-23 23:00:55
License: 暂无描述

Hugging Face2023-09-23 更新2024-06-15 收录

下载链接：

https://hf-mirror.com/datasets/acul3/prompt

下载链接

链接失效反馈

官方服务：

资源简介：

--- license: agpl-3.0 ---

许可证：GNU Affero通用公共许可证3.0版（AGPL-3.0）

提供机构：

acul3

原始信息汇总

数据集许可证

许可证类型: AGPL-3.0

acul3/WikiCitra-ID

WikiCitra-ID是一个从印度尼西亚维基百科收集的大规模图像-文本数据集。该数据集包含从印度尼西亚维基百科文章的最新HTML转储中提取的图像及其对应的标题。数据集经过处理，形成了干净的图像-文本对，并提供了元数据以供验证。数据集包含352,150张图像，其中325,971张图像具有非空标题。每个数据条目包含图像、对应的印尼语标题或描述以及用于验证的元数据。数据集适用于多模态机器学习研究、印尼

Hugging Face2024-12-02 更新160

acul3/WikipediaMM-Indo

WikipediaMM-Indo是一个从印度尼西亚地区维基百科转储中收集的综合性多媒体数据集，包含印度尼西亚语、爪哇语和米南加保语的内容。数据集包括图像、视频和音频文件及其相关字幕。数据集通过从Wikimedia Enterprise提供的HTML转储中自动抓取媒体元素及其字幕来创建。每个条目包含媒体URL、媒体类型、相关字幕（如果可用）、源语言和其他元数据。数据集适用于多语言多媒体研究、跨语言媒

Hugging Face2024-12-02 更新30

acul3/KoPI-NLLB

KopI(Korpus Perayapan Indonesia)-NLLB数据集是从NLLB数据集中提取的印度尼西亚语系语言数据集，包括aceh、bali、banjar、indonesia、jawa、minang和sunda等语言。每种语言集还使用了精确哈希（md5）去重技术和Minhash LSH近重复检测技术进行了过滤。

Hugging Face2022-09-06 更新70

acul3/KoPI-CC

KoPI-CC（Korpus Perayapan Indonesia）-CC是从Common Crawl快照中提取的印度尼西亚语文本数据集，使用了ungoliant工具进行提取，并应用了多种去重技术，如精确哈希（md5）去重和Minhash LSH近重复去重。数据集的预处理步骤包括Raw、Dedup、Neardup和Neardup_clean四个阶段，每个阶段都有详细的描述。数据集的结构包括URL

Hugging Face2023-03-03 更新370

acul3/pmd_indonesia

--- license: cc-by-4.0 ---

Hugging Face2022-07-21 更新30