train_thai_text

kaggle2025-10-13 更新2025-10-25 收录

泰语处理

文本预训练

数据链接：

https://www.kaggle.com/datasets/nonyxd/train-thai-text 数据链接链接失效反馈

官方服务：

资源简介：

i hope that we dont need to find new dataset

我希望我们无需寻找新的数据集（dataset）

创建时间：

2025-10-05

Thai-understanding

泰语处理

语音理解

Thai-Understanding是一个开源项目，提供了泰语语音理解的解决方案，包括Thai-SUP数据集和XLSR-Thai语音编码器。Thai-SUP是首个开源的泰语语音理解数据集，包含超过1000小时的数据，涵盖意图分类、命名实体识别和语音改写三个任务。XLSR-Thai是基于大规模泰语语音数据预训练的自监督学习语音编码器，能够有效捕捉泰语的语言结构和副语言线索，适用于多任务语音理解。

Hugging Face2025-09-18 更新520

nakhun/thaisum

文本摘要

泰语处理

ThaiSum是一个用于泰语文本摘要的大规模数据集，包含超过35万篇文章和摘要对。数据集来源于多个在线新闻网站，如Thairath、ThaiPBS、Prachathai和The Standard。数据集的结构包括文章标题、正文、摘要、类型、标签和URL。数据集分为训练集、验证集和测试集，分别包含358,868、11,000和11,000个样本。数据集的创建目的是为了填补泰语文本摘要领域大规模数据集

Hugging Face2024-01-18 更新180

iapp/openthaieval

泰语处理

语言模型评估

OpenThaiEval是一个全面的泰语语言评价基准数据集，包含1232个问题，跨越17种不同类型的考试，旨在评估语言模型在理解泰语和推理方面的能力。

Hugging Face2025-09-16 更新140

BAAI-WuDaoCorporaText文本预训练数据集

文本预训练

大模型

WuDaoCorpora是北京智源人工智能研究院（智源研究院）构建的大规模、高质量数据集，用于支撑大模型训练研究

智源2023-10-18 更新220

vietgpt-archive/CC-MAIN-2020-10

语言语料库

文本预训练

--- dataset_info: features: - name: raw_text dtype: string - name: meta struct: - name: subfile dtype: string - name: url dtype: string splits: - name: train

Hugging Face2023-07-19 更新160

train_thai_text

资源简介：

相关数据集