Serbian web corpus srWaC 1.1

B2FIND2026-04-29 收录

塞尔维亚语语料库

网络文本采集

数据链接：

https://b2find.eudat.eu/dataset/5927f8ff-6762-58bc-8a5f-f08a100b7696 数据链接链接失效反馈

官方服务：

资源简介：

The Serbian web corpus srWaC was built by crawling the .rs top-level domain in 2014. The corpus was near-deduplicated on paragraph level, normalised via diacritic restoration,...

PleIAs/Serbian-PD

塞尔维亚语语料库

自然语言处理

Serbian-Public Domain（塞尔维亚公共领域）数据集是一个大型集合，旨在汇集所有塞尔维亚语的公共领域专著和期刊。截至2024年3月，它是最大的塞尔维亚语开放语料库。该集合包含1,405个标题，共计156,712,807个单词，这些数据从多个来源恢复，包括互联网档案馆和各种欧洲国家图书馆及文化遗产机构。每个parquet文件包含随机选择的2,000本书的完整文本。数据集的构建遵循欧盟

Hugging Face2024-07-29 更新400

classla/setimes_sr

自然语言处理

塞尔维亚语语料库

SETimes_sr数据集包含86,726个塞尔维亚语标记，这些标记在分词、句子分割、形态句法标记、词形还原、命名实体和依赖语法等多个层面上进行了人工标注。数据集分为训练、验证和测试三个部分，共有3177个训练样本、395个验证样本和319个测试样本。每个样本包含句子ID、句子文本、标记列表、词形列表、MULTEXT-East标签列表、UPOS标签列表、形态特征列表、IOB标签列表和通用依赖关系列

Hugging Face2022-10-25 更新160

universalner/uner_llm_inst_serbian

实体识别

塞尔维亚语语料库

该数据集是Universal NER v1的塞尔维亚语子集，并转换为Aya指令格式。它包含了不同语言的子集及其开发/测试/训练分割。数据集在相同的CC-BY-SA 4.0许可证和条件下发布。

Hugging Face2023-12-21 更新120

gordicaleksa/serbian-llm-eval-v1

语言模型评估

塞尔维亚语语料库

--- license: apache-2.0 language: - sr pretty_name: s --- # Serbian LLM eval 🇷🇸 This dataset should be used for Serbian (and potentially also other HBS languages) LLM evaluation. Here is the [Git

Hugging Face2024-01-22 更新180

SQuAD-sr

问答系统

塞尔维亚语语料库

SQuAD-sr is a synthetically generated Question Answering dataset in Serbian.

kaggle2023-08-23 更新150