Keywords and n-grams from a textbook corpus

B2FIND2026-04-29 收录

教育语言学

文本分析

数据链接：

https://b2find.eudat.eu/dataset/8b32acb2-2457-533f-bb3b-69394f3063f3 数据链接链接失效反馈

官方服务：

资源简介：

Wordlists, keywords and n-grams were extracted from a corpus of textbooks for Slovenian elementary and secondary schools. The corpus contains 4,302,857 words (5,373,268 tokens),...

Savoxism/SOICT-Hackathon-Dataset

文本分析

黑客马拉松

这是一个包含文本和唯一标识符的数据集，适用于训练任务。数据集包含261597个训练示例，文件大小为381574994字节。

Hugging Face2025-03-28 更新110

kBack_simple_12k_3grams

文本分析

机器学习

该数据集包含一个名为text的文本特征。它被划分为三个部分：训练集包含40000个示例，大小为159,469,936字节；测试集包含5000个示例，大小为19,956,656字节；验证集也包含5000个示例，大小为19,849,520字节。整个数据集的大小为199,276,112字节，下载大小为90,560,102字节。

Hugging Face2025-08-29 更新90

hamishivi/hamishivi_rlvr_combined_prompts_decontaminated_newheuristics

文本分析

对话系统

该数据集包含消息内容及其相关角色，还有一个唯一的标识符和来源信息。数据集被划分为训练集，共有超过115万条示例，整个数据集的大小约为723MB。

Hugging Face2025-09-24 更新50

jeremyf/tiny-imagent-200

图像处理

文本分析

--- dataset_info: features: - name: image dtype: image - name: idx dtype: int64 - name: word dtype: string splits: - name: train num_bytes: 206639400.0 num_examples: 10

Hugging Face2024-04-24 更新90

jatnikonm/finding_aids_train

文本分析

机器学习

该数据集包含文本数据，主要特征为text，数据类型为字符串。数据集分为训练集、验证集和测试集，分别包含1928、241和241个样本。训练集大小为1301882字节，验证集大小为163476字节，测试集大小为161495字节。总下载大小为372444字节，数据集总大小为1626853字节。数据文件路径分别为train-*、validation-*和test-*。

Hugging Face2024-12-17 更新60

Keywords and n-grams from a textbook corpus

资源简介：

相关数据集