Датасет · b3x0m
Корпус китайских романов 18+
b3x0m/Chinese-H-Novels
Крупный корпус китайских романов 18+ для языковых и классификационных задач.
Что внутри
Текстовый корпус китайских романов для взрослых; в карточке предупреждают, что использовать его можно на свой риск. Размер в метаданных — 100M<n<1B, язык — китайский. Данные переведены в parquet для удобного скачивания.
Что можно сделать
- Обучить или дообучить языковую модель на китайской художественной прозе
- Сделать LoRA для стилизации или генерации романов
- Проверить классификатор или фильтр NSFW-текстов
- Задачи
- Классификация текста, Суммаризация, Разметка токенов, Вопрос-ответ, Генерация текста, Заполнение пропусков
- Языки
- Китайский
- Размер
- 100M–1B записей
- Скачиваний за месяц
- 2,5 тыс.
- Лайков
- 257
Как загрузить
from datasets import load_dataset
ds = load_dataset("b3x0m/Chinese-H-Novels")