土耳其语谚语文本数据集
数据集简介
数据集页与内容组织
数据集以 HuggingFace 数据集仓库形式组织,仓库内包含 .gitattributes、README.md 以及主数据文件 turkish_proverb_v1.txt。数据以单个 txt 文件承载,整体为纯文本模态,语言字段标注为土耳其语(tr)。
在数据划分上,数据集只提供一个 train 划分,没有单独的验证集或测试集。字段结构简洁,Croissant 元数据以 default 记录集描述内容,核心字段为 text,类型标注为 sc:Text。
许可与署名说明
数据集采用 CC BY-NC 4.0 许可(license:cc-by-nc-4.0),公开可访问,未设置门禁(gated=false),可直接在 HuggingFace 页面下载。
作者在数据集卡片中同时以英文和土耳其文说明了使用条件:数据集可以被使用和修改,但不得用于商业活动;如果使用或修改了该数据集,需要向 48karem(Kerem Dereli)提供适当的署名。
适用场景
作者给出的使用场景包括 RAG(检索增强生成)与微调(fine tuning),并特别注明微调尚未经过测试,作者本人对其效果并不确定。结合纯文本谚语语料的形态,该数据集也可用于文本生成、文本排序等自然语言处理任务。
文件列表
仓库中的文件构成如下:
| 文件 | 说明 |
|---|---|
.gitattributes |
仓库属性配置 |
README.md |
数据集卡片与使用说明 |
turkish_proverb_v1.txt |
土耳其语谚语文本主文件 |
Croissant 元数据
数据集的 Croissant 元数据记录了内容描述与字段信息:记录集为 default,字段 text 标注为 sc:Text;语言为 tr;许可为 cc-by-nc-4.0;创建时间为 2026-09-20,最后修改时间为 2026-10-01。
规模方面,卡片 size_categories 标注为 10K<n<100K,而 API 返回的 size_categories 标注为 n<1K,两处标注并不一致;仓库占用空间为 11521 字节,页面显示下载量为 110。