LocalDoc/books_dataset

该数据集包含2800本不同主题的阿塞拜疆语书籍，创建于2024年，包含780万条句子。书籍被分割成句子并经过预过滤，仅包含字母占总字符数至少80%的句子。句子的顺序与书籍中的顺序相同。数据集以逗号分隔值（CSV）格式提供，每行代表一篇文章，包含以下字段：ID（书籍唯一ID）、Metadata（作者、标题、出版年份、出版城市、出版商名称、书籍类别信息）、Sentence（句子）。

原始信息汇总

数据集概述

基本信息

• 名称: Azerbaijani Books Dataset
• 语言: Azerbaijani
• 类别:
  • text-generation
  • fill-mask
• 标签: book
• 大小: 1M<n<10M
• 许可证: Creative Commons Attribution-NonCommercial 4.0 International

数据集详情

• 包含内容: 2800本书，共7.8百万句子
• 创建年份: 2024
• 数据预处理: 仅包含至少80%字母的句子，句子顺序与书中一致
• 格式: CSV，每行包含ID、Metadata、Sentence三个字段

数据集结构

• 特征:
  • ID: 字符串类型，书籍唯一ID
  • Metadata: 字符串类型，包含作者、标题、出版年份、出版城市、出版社名称、书籍类别等信息
  • Sentence: 字符串类型，句子内容

数据集分割

• 训练集:
  • 示例数量: 7807263
  • 数据大小: 2908183660字节
  • 下载大小: 695682034字节

联系方式

• 邮箱: [e-mail]