JoeUnili/FL_History_GER

该数据集包含了列支敦士登历史百科全书的所有文章，以及从eliechtensteinen-sia.li网站收集的历史和文化出版物和书籍，全部以文本形式存在。数据集中仅包含一个名为“text”的列，且所有内容均以德语发布，总计约17,000行数据。虽然数据集主要用于预训练，但需要进行进一步的数据清洗，因为存在空行和文本格式错误。数据来源包括多个公开可访问的网页链接，提供了关于列支敦士登历史的详细资料。

原始信息汇总

数据集概述

基本信息

• 许可证: Apache-2.0
• 任务类别: 文本生成
• 语言: 德语
• 标签: Liechtenstein, 历史, 文本, 政治, 文化
• 美观名称: Liechtenstein 历史文本数据集
• 大小类别: 1K<n<10K

数据集内容

• 包含Liechtenstein历史百科全书的全部文章，以及从eliechtensteinensia.li收集的历史和文化出版物及书籍。
• 数据集仅包含一个名为“text”的列。
• 数据集包含约17,000行。

数据集用途与注意事项

• 数据集主要用于预训练。
• 使用前需要进一步的数据清洗，因为存在空行和格式错误，如拼写错误或缺少空格，大部分文本由OCR从PDF生成。

数据来源

• 历史Liechtenstein百科全书: https://historisches-lexikon.li/
• Liechtenstein历史书籍: https://www.eliechtensteinensia.li/viewer/fulltext/000475482/2/
• 至2006年的Liechtenstein历史出版物: https://www.eliechtensteinensia.li/view-er/image/000469038/1/LOG_0000/
• Liechtenstein政治和社会发展出版物: https://www.eliechtensteinensia.li/view-er/image/000469289/1/LOG_0000/
• Liechtenstein历史纪录片书籍: https://www.eliechtensteinensia.li/view-er/image/000468149/1/LOG_0000/