阿姆哈拉语日常对话数据集
数据集简介
Dataset card
该数据集由 Hugging Face 用户 abdukuzi45 创建并发布,官方名称为 abdukuzi45/amharic-daily-dialog。数据集聚焦于阿姆哈拉语(Amharic)的日常对话场景,以文本形式呈现,未提供额外的任务说明或来源论文。页面显示数据规模为 10K - 100K,具体包含 11.1k 行(rows)数据,并采用单一的 train 划分。
Data Studio
数据以 messages 列表形式组织,每条消息包含 role 与 content 字段。role 字段标记对话角色,取值为 user 或 assistant;content 字段存储对应的阿姆哈拉语文本内容。例如,一条样本中 role 为 "user",content 为 "ጠይቅ አላት በላላ..."(示例内容)。这种结构便于直接用于构建对话系统的训练数据。
Files Files and versions
数据集提供两种文件格式:JSON 与 Parquet。用户可根据使用习惯选择下载。JSON 格式便于阅读和调试,Parquet 格式则适合大规模数据处理。数据集页面包含 Files and versions 部分,用户可在此查看具体文件列表与版本信息。
Dataset Viewer
Hugging Face 平台提供 Dataset Viewer 功能,用户可直接在网页上预览数据样本,快速了解数据格式与内容风格。通过该功能,研究者可以在下载前评估数据质量与适用性。
下载方式
用户可通过 Hugging Face 数据集页面直接下载数据文件,或使用 Hugging Face 的 datasets 库加载数据集。例如,使用 Python 代码:from datasets import load_dataset; dataset = load_dataset("abdukuzi45/amharic-daily-dialog")。数据集为公开免费资源,无需申请权限。