Aozorabunko dataset

DataCite Commons2024-12-16 更新2025-04-16 收录

下载链接：

https://service.tib.eu/ldmservice/dataset/3c92ead7-b650-4ab9-9500-8c9de9c556e0

下载链接

链接失效反馈

官方服务：

资源简介：

Aozorabunko dataset used for pre-training of PnG BERT model.

提供机构：

TIB

创建时间：

2024-12-16

aozorabunko-chunked

这是一个包含日语文本的数据集，主要字段包括文本内容、文本长度、数据集分割信息以及丰富的元数据信息，如文件的URL、更新日期、编码方式、作者和作品的详细信息等。数据集分为训练集，并提供了配置文件。数据集涵盖了多位知名作者及其作品，如夏目漱石、芥川龙之介等。

Hugging Face2025-06-13 更新50

JINIAC/aozorabunko_filter

--- license: cc-by-4.0 dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 315681594 num_examples: 1215487 download_size: 179870444 dataset_size

Hugging Face2024-04-06 更新70

systemk/aozorabunko_chunked

--- dataset_info: - config_name: 16k features: - name: text dtype: string splits: - name: train num_bytes: 636907024 num_examples: 13467 download_size: 349272759 dataset_size:

Hugging Face2024-02-13 更新110

aozorabunko_readability_score

该数据集包含五个特征：ID（字符串类型）、分数（浮点数类型）、标题（字符串类型）、句子长度（整数类型）和单词数（整数类型）。数据集分为一个训练集，包含1个样本，占用71字节。数据集的下载大小为2859字节，实际大小为71字节。

Hugging Face2024-10-15 更新10

aozorabunko-author-classification

这是一个文本数据集，包含文本内容（text）、标题（title）、作者（author）和标签（labels）。数据集分为训练集和验证集，其中训练集包含63000个样本，验证集包含8640个样本，适合用于文本分类任务。

Hugging Face2025-05-22 更新00