SEACrowd/identifikasi_bahasa

identifikasi-bahasa数据集包含印度尼西亚语、安汶语和爪哇语的文本样本。每个样本由干净的文本内容和语言标签组成。数据集通过手动输入过程进行分组，确保每个语言类别有足够的样本量。数据集排除了标点符号和数字，包含至少3000个安汶语、10000个爪哇语和3500个印度尼西亚语的条目，满足语言识别研究的最低标准。identifikasi-bahasa数据集包含印度尼西亚语、安汶语和爪哇语的文本样本。每个样本由干净的文本内容和语言标签组成。数据集通过手动输入过程进行分组，确保每个语言类别有足够的样本量。数据集排除了标点符号和数字，包含至少3000个安汶语、10000个爪哇语和3500个印度尼西亚语的条目，满足语言识别研究的最低标准。