hindi-train-high

Mendeley Data2024-01-31 更新2024-06-27 收录

下载链接：

https://dorel.univ-lorraine.fr/file.xhtml?persistentId=doi:10.12763/MLCFIE/PWVXFS

下载链接

链接失效反馈

官方服务：

资源简介：

:unav

创建时间：

2024-01-31

english-to-hindi-high-quality-training-data

这是一个英语到印地语的翻译数据集，包含两种语言的对应文本。数据集的总大小为41,188,315字节，共有127,705个训练样本。数据集遵循Apache-2.0许可证。适合用于翻译任务，数据规模在100K到1M之间。

Hugging Face2025-05-24 更新10

Tngarg/hindi_train

--- dataset_info: features: - name: 'Unnamed: 0' dtype: int64 - name: text dtype: string - name: sentiment dtype: string - name: label dtype: int64 - name: __index_level_0_

Hugging Face2023-10-16 更新130

Hindi Hate Speech Dataset for Algorithms Training

A Comprehensive Dataset for Analyzing Hindi Hate Speech

kaggle2024-07-23 更新50

HenryEnyi/english-to-hindi-high-quality-training-data

这是一个包含英文和印地语（或类似语言）翻译对的数据集，适用于翻译模型的训练。数据集分为训练集，共有127705个翻译示例。

Hugging Face2025-10-09 更新40

Hindi Pre-train LLM Dataset

Hindi Pre-train LLM Dataset是由Silo AI等机构创建的一个大型预训练数据集，专门针对印度语系中的印地语。该数据集包含1.28亿个印地语标记，跨越多个领域和方言，旨在支持印地语的自然语言处理任务。数据集的创建过程包括从多个来源收集文本数据，进行预处理和标准化，以确保数据质量。该数据集主要应用于印地语的语言模型预训练和研究，旨在解决印地语等非英语语言在NLP应用中的资源不

arXiv2024-07-13 更新100