corpus-data
Repositorios de código abierto monitorizados etiquetados con corpus-data, ordenados por estrellas.
Temas relacionados
Temas que aparecen con frecuencia junto a corpus-data en un mismo repositorio.
Emergentes recientes
Repositorios creados en los últimos 90 días, etiquetados con corpus-data.
No hay repositorios nuevos con este tema en los últimos 90 días.
- #1
MNBVC (Massive Never-ending BT Vast Chinese corpus), un corpus de texto en chino a gran escala. Diseñado para compararse con los 40T de datos de entrenamiento de ChatGPT. El conjunto de datos MNBVC no solo incluye la cultura convencional, sino también culturas minoritarias e incluso texto en 'lenguaje marciano'. El conjunto de datos MNBVC abarca noticias, ensayos, novelas, libros, revistas, tesis, guiones, publicaciones de foros, wikis, poesía clásica, letras de canciones, descripciones de productos, chistes, anécdotas, registros de chat y todo tipo de datos de texto plano en chino.
★ 4272+4Variación de estrellas de los últimos 7 días - #2
Corpus de texto en chino para ChatGPT: corpus de diálogo, de novelas y de servicio al cliente, utilizado para entrenar modelos grandes (LLM).
★ 965+1Variación de estrellas de los últimos 7 días - #3
El corpus más completo de poesía moderna en chino, con más de 3000 poetas, 80 000 poemas y 15 millones de caracteres
★ 740+1Variación de estrellas de los últimos 7 días
