Indonesian web corpus

B2FIND2026-04-25 收录

印尼语自然语言处理

词性标注语料

数据链接：

https://b2find.eudat.eu/dataset/e12f82f7-2ff3-5da7-8c8d-35ae83a6c13c 数据链接链接失效反馈

官方服务：

资源简介：

Indonesian web corpus crawled in 2010. Encoded in UTF-8, cleaned, deduplicated, tagged by Morphind.

Alice-AI-Net/IndoTechGPT-Data

印尼语自然语言处理

技术教育

Indonesian Tech QA Dataset是一个包含超过100个用印度尼西亚语编写的问答对的手动策划数据集，覆盖了主要的技术领域，如人工智能、云计算、物联网、大数据、区块链和网络安全等。该数据集有两种写作风格：正式（学术性）和自然（对话性），专注于教育、推理和清晰度，适合微调基于指令和问答导向的印度尼西亚模型。

Hugging Face2025-10-23 更新80

POS-beseda

词性标注语料

小说文本处理

written/monolingual/fiction corpus; 1 mil. words; word-level, own tagset

B2FIND70

alfrzyy/cendol_collection_v2

印尼语自然语言处理

指令调优优化

--- license: apache-2.0 dataset_info: features: - name: dataset_name dtype: string - name: subset_name dtype: string - name: prompt_id dtype: string - name: template_name dty

Hugging Face2026-04-09 更新30

C12-POS.txt

词性标注语料

戏剧文本分析

64 Part-of-Speech-getaggte Dramen Calderón de la Barcas, txt-Dateien, UTF-8-codiert

DataCite Commons2021-08-13 更新80

Indonesian YouTube Comments Dataset

讽刺检测

印尼语自然语言处理

Dataset ini berisi 5.291 komentar YouTube berbahasa Indonesia yang telah melalui tahapan preprocessing dan pelabelan otomatis untuk tugas deteksi sarkasme. Dataset digunakan dalam penelitian deteksi s

Zenodo2026-02-27 更新40

Indonesian web corpus

资源简介：

相关数据集