--- license: lgpl-3.0 dataset_info: features: - name: input sequence: string - name: output sequence: sequence: string splits: - name: train num_bytes: 4510793 num_exam

Hugging Face2024-02-18 更新70

MINWIKISPLIT

自然语言处理

句子分割

MINWIKISPLIT是一个由圣加仑大学创建的大型句子分割数据集，包含203,000对复杂的源句及其简化的目标句。该数据集通过将每个输入句子分解为一系列最小命题，即每个句子都是自包含的、无法进一步分解的语义单元，来简化复杂的语言结构。创建过程中，使用了35条手工编写的转换规则来分解各种语言结构，并通过依赖解析和词性标注的启发式方法来保证输出质量。该数据集主要用于训练自然语言处理模型，以改善下游语

arXiv2019-09-26 更新850

wiki_split

自然语言处理

句子分割

# Dataset Card for "wiki_split" ## Table of Contents - [Dataset Description](#dataset-description) - [Dataset Summary](#dataset-summary) - [Supported Tasks and Leaderboards](#supported-tasks-and

魔搭社区2026-06-25 更新130

<p>Sentence structure conversion by separating punctuation.</p>

资源简介：

相关数据集