opendatalab/WanJuan-Thai

万卷丝路-泰语语料库是一个超过155GB的泰语资源，包含7个主要类别和34个子类别，内容包括历史、政治、文化、房地产、购物、天气、餐饮、百科全书和专业知识等。这个语料库适用于多样化的研究领域，并提供了方便的数据检索功能。

WanJuan-Thai corpus is a Thai language resource exceeding 155GB, comprising 7 major categories and 34 subcategories, including history, politics, culture, real estate, shopping, weather, dining, encyclopedias, and professional knowledge. This corpus is suitable for a diverse range of research fields and provides convenient data retrieval features.

搜集汇总

背景与挑战

背景概述

WanJuan-Thai是一个超过155GB的泰语语料库，包含7大类34小类内容，覆盖历史、政治、文化等多个领域，适用于广泛的研究需求。数据集采用CC BY 4.0许可证，允许共享和改编，但需遵守署名要求。