数据集 - 海数据

马来语大规模文本数据集

2025年6月1日 30 110 15

马来语大规模文本数据集数据来源：互联网公开数据标签：马来语,自然语言处理,语言模型训练,文本数据,机器学习,深度学习,文本清洗数据概述：本数据集包含超过600万行独特的马来语文本，数据来源于多个公开数据集并经过清洗处理，确保数据的高质量和可用性。该数据集为研究人员和开发者提供了一个丰富且多样化的文本资源，适用于多种自然语言处理任务。...

ZIP

合成南非语故事数据集

2025年6月1日 30 117 15

合成南非语故事数据集数据来源：互联网公开数据标签：合成数据,南非语,儿童故事,道德价值,自然语言处理,文本生成,语言模型训练数据概述：...

ZIP

大型语言模型系统LMSYS对话数据集-cosheimil

2025年5月28日 30 28 14

大型语言模型系统LMSYS对话数据集-cosheimil 数据来源：互联网公开数据标签：大型语言模型，对话数据，自然语言处理，机器学习，数据集，文本生成，语言模型训练，人工智能数据概述：该数据集由 LMSYS 团队收集整理，包含了大量人机对话和模型生成的文本数据，旨在促进大型语言模型（LLM）的研究和发展。主要特征如下：...

ZIP

语言生成器合成文本数据集

2025年4月25日 30 203 93

语言生成器合成文本数据集数据来源：互联网公开数据标签：自然语言处理,文本生成,语言模型训练,合成数据,数据增强,对话模拟,错误注入数据概述：本数据集是由Python工具Linguistic...

ZIP

大规模语言模型LLM生成文本分割数据集GSM-DataSplit-magnusgarl

2025年4月24日 30 146 40

大规模语言模型LLM生成文本分割数据集GSM-DataSplit-magnusgarl 数据来源：互联网公开数据标签：自然语言处理，文本分割，数据集，大规模语言模型，文本处理，机器学习，数据增强，语言模型训练数据概述：该数据集包含用于评估和改进大规模语言模型（LLM）生成文本分割能力的数据。主要特征如下：...

ZIP

Open-Assistant多轮对话波斯语翻译数据集

2025年4月22日 30 81 80

Open-Assistant多轮对话波斯语翻译数据集数据来源：互联网公开数据数据集简介：本数据集为 Open-Assistant...

ZIP

大型语言模型训练数据文法修正数据集-syoh0708

2025年4月22日 30 17 4

大型语言模型训练数据文法修正数据集-syoh0708 数据来源：互联网公开数据标签：大型语言模型,文本数据,文法修正,自然语言处理,语言模型训练,文本处理数据概述：本数据集包含了两个经过文法修正的大型语言模型（LLM）训练数据集。数据集一源自Kaggle上的“DAIGT Proper Train...

ZIP

墨西哥总统安德烈斯-曼努埃尔-洛佩兹-奥布拉多演讲数据集

2025年4月18日 30 37 21

墨西哥总统安德烈斯-曼努埃尔-洛佩兹-奥布拉多演讲数据集数据来源：互联网公开数据标签：墨西哥总统,演讲文本,政府政策,政治分析,自然语言处理,文本挖掘,语言模型训练数据概述：本数据集包含墨西哥总统安德烈斯·曼努埃尔·洛佩兹·奥布拉多在其任期内公开演讲的语料库。数据来源于墨西哥政府官方 YouTube 频道中所有与本届总统任期相关的...

ZIP

IWSLT2017英语-中文翻译数据集

2025年4月15日 30 113 8

IWSLT2017英语-中文翻译数据集数据来源：互联网公开数据标签：机器翻译,自然语言处理,NLP,多语种,英中翻译,语言模型训练,语料库数据概述本数据集是IWSLT2017翻译任务的英语-中文平行语料数据集，主要用于机器翻译研究和多语言自然语言处理任务。数据集包含三个独立的CSV文件，分别存储训练集、验证集和测试集。数据来源于Hugging...