Датасет · ankitjh4
Государственные справочные документы Индии
ankitjh4/bharat-government-documents
Очищенный корпус официальных публичных документов Индии в формате parquet для поиска и систем вопрос-ответ.
Что внутри
Содержит 64 964 уникальных нормализованных текста и 77 526 записей из индийских государственных источников. Каждая строка в формате parquet включает извлечённый текст, заголовок, URL, оценку качества извлечения, время сбора и тематические метки.
Что можно сделать
- Обучение и тестирование RAG-систем по юридическим и справочным документам
- Дообучение моделей для поиска ответов на вопросы по госуслугам
- Задачи
- Вопрос-ответ, Поиск по текстам
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 476
- Лайков
- 65
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("ankitjh4/bharat-government-documents")