Git Stars Git Stars

#corpus-data Repositories

Entdecke 3 aktive Open-Source-GitHub-Repositories, die mit #corpus-data getaggt sind und insgesamt 5,992 Sterne gesammelt haben (durchschnittlich 1,997 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist esbatmop/MNBVC mit 4,310 Sternen.

3
Gesamtzahl der Repositories
5,992
Gesamtanzahl der Sterne
1,997
Durchschnittliche Sterne/Repo
Programmiersprachen: Python

Insgesamt 3 Repositories

1
esbatmop/MNBVC

MNBVC (Massive Never-ending BT Vast Chinese corpus) ein extrem großer chinesischer Korpus. Auf Augenhöhe mit den 40T Daten, die für das Training von ChatGPT verwendet werden. Der MNBVC-Datensatz enthält nicht nur Mainstream-Kultur, sondern auch Daten aus verschiedenen Nischenkulturen und sogar Marsianisch. Der MNBVC-Datensatz umfasst reine Textdaten in chinesischer Sprache in allen Formen, wie Nachrichten, Aufsätze, Romane, Bücher, Zeitschriften, wissenschaftliche Arbeiten, Dialoge, Posts, Wikis, alte Gedichte, Songtexte, Produktbeschreibungen, Witze, Peinlichkeiten, Chatverläufe usw.

esbatmop
⭐ 4,310 👤 esbatmop User 🕐 Aktualisiert 2026-10-25 📅 Erstellt 2022-12-31
2
PlexPt/chatgpt-corpus

ChatGPT Chinesisches Korpus Dialogkorpus Roman-Korpus Kundenservice-Korpus für das Training großer Modelle

PlexPt
⭐ 939 👤 PlexPt User 🕐 Aktualisiert 2024-05-15 📅 Erstellt 2023-04-26
3
sheepzh/poetry

Die umfassendste Sammlung moderner chinesischer Poesie auf der Erde, 3k+ Dichter, 80K+ Gedichte, 15M+ Zeichen

sheepzh
⭐ 743 Python 👤 sheepzh User 🕐 Aktualisiert 2025-09-12 📅 Erstellt 2019-04-16

Häufig gestellte Fragen

1

Welches ist das beliebteste #corpus-data-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#corpus-data-Projekt auf GitHub ist esbatmop/MNBVC mit 4,310 Sternen. MNBVC (Massive Never-ending BT Vast Chinese corpus) ein extrem großer chinesischer Korpus. Auf Augenhöhe mit den 40T Daten, die für das Training von ChatGPT verwendet werden. Der MNBVC-Datensatz enthält nicht nur Mainstream-Kultur, sondern auch Daten aus verschiedenen Nischenkulturen und sogar Marsianisch. Der MNBVC-Datensatz umfasst reine Textdaten in chinesischer Sprache in allen Formen, wie Nachrichten, Aufsätze, Romane, Bücher, Zeitschriften, wissenschaftliche Arbeiten, Dialoge, Posts, Wikis, alte Gedichte, Songtexte, Produktbeschreibungen, Witze, Peinlichkeiten, Chatverläufe usw.

2

Welche Programmiersprachen werden in #corpus-data-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #corpus-data-Projekten auf GitHub sind Python die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #corpus-data-Repositories berechnet?

Wir verfolgen 3 aktive Open-Source-Repositories, die mit #corpus-data getaggt sind (500+ Sterne), mit insgesamt 5,992 Sternen und durchschnittlich 1,997 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.