tallesl/blogsetbr
收藏Hugging Face2024-12-18 更新2024-12-14 收录
下载链接：
https://hf-mirror.com/datasets/tallesl/blogsetbr
下载链接
链接失效反馈官方服务：
资源简介：
BlogSet-BR数据集是一个用于文本生成的葡萄牙语数据集，包含超过740万条博客文章记录。数据集提供了原始版本和修改版本，修改版本中移除了重复记录和转义问题，并添加了文件头。此外，还提供了一个包含3万条随机选择记录的小样本文件。数据集可以加载到Postgres数据库中进行进一步处理，并且包含了使用SentenceTransformers库生成的文本嵌入。
The BlogSet-BR dataset is a reproduction of the blog dataset created by PUCRS University. The dataset includes both the original and modified versions, stored in blogsetbr-original.csv and blogsetbr-modificado.csv respectively. The modified version removes duplicate and problematic records and adds a file header. The dataset also includes a smaller example file and instructions on how to load the data into a Postgres database. Additionally, the dataset includes embedding vectors for text similarity search.
提供机构：
tallesl
