К содержимому

Датасет · PleIAs

Корпус французских книг в общественном достоянии

PleIAs/French-PD-Books

Большая коллекция французских монографий в общественном достоянии для обучения генеративных языковых моделей.

Что внутри

Датасет содержит тексты французских монографий в общественном достоянии, представленные в текстовом и табличном форматах. Объем коллекции составляет от 100 тысяч до 1 миллиона записей. Данные собраны Пьером-Карлом Лангле на базе корпуса проекта Gallicagram при сотрудничестве с OpenLLMFrance.

Что можно сделать

  • Предобучение или дообучение языковых моделей для генерации текста на французском языке
  • Создание исторических и литературных текстовых анализаторов
  • Исследования в области лингвистики и культурной аналитики
Задачи
Генерация текста
Языки
Французский
Размер
100K–1M записей
Скачиваний за месяц
3,7 тыс.
Лайков
52

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("PleIAs/French-PD-Books")