К содержимому

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")