爱尔兰语随机句子数据集
自然语言
0 下载
18 浏览
2026-08-25
数据集简介
数据集背景
本数据集来自爱尔兰国家语料库项目(Tionscadal Chorpas Náisiúnta na Gaeilge)第一阶段符合标准的数据子集。项目相关人员包括 Ó Meachair, Mícheál J.、Ó Raghallaigh, Brian、Bhreathnach, Úna、Ó Cleircín, Gearóid、Měchura, Michal、Scannell, Kevin,涉及 Dublin City University 与 Cadhan Aonair 等机构。数据集的发布目的在于不侵犯版权地共享项目数据子集,以支持高校和非营利机构的爱尔兰语自然语言处理(NLP)研究。
内容与处理方式
- 数据为 TXT 文本,每行一句,使用 ZIP 压缩打包(文件为 sonrai-randamaithe-v1.1.zip)。
- 内容使用 Python 程序打乱 1000 次,未做去重处理。
- 最终数据集包含 1951584 句,或 76578449 词(使用 WC 统计)。
- 压缩文件大小约 173.9 MB。
版权说明
该数据集既不包含创意作品,也不包含网络上无法获取的受版权保护作品,因此在共享上不存在版权障碍。
许可与获取方式
- 许可协议:Creative Commons Attribution 4.0 International(CC BY 4.0)。
- 发布时间:2026 年 8 月 25 日,版本 1.1。
- 获取途径:可通过 Zenodo 平台下载,DOI 为 10.5281/zenodo.22097303;也可通过邮件联系项目负责人或 gaois@dcu.ie 获取。
基本信息
记录数量未知
文件大小1951584 句 / 76578449 词;压缩文件 173.9 MB
文件格式ZIP(内含 TXT,每行一句)
数据来源爱尔兰国家语料库项目(Tionscadal Chorpas Náisiúnta na Gaeilge)
文件名sonrai-randamaithe-v1.1.zip
规模1951584 句 / 76578449 词(WC 统计)
压缩文件大小173.9 MB
许可协议Creative Commons Attribution 4.0 International
发布日期2026-08-25(版本 1.1)
DOI10.5281/zenodo.22097303
联系邮箱gaois@dcu.ie
数据落地页https://zenodo.org/records/22097303
官方下载https://zenodo.org/api/records/22097303/files/sonrai-randamaithe-v1.1.zip/content
可下载文件sonrai-randamaithe-v1.1.zip(165.8 MB)
爱尔兰语语料库自然语言处理随机句子文本数据
上架信息
数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载