#corpus-data Repositorios
Descubre 3 repositorios activos de código abierto de GitHub etiquetados con #corpus-data, que acumulan 5,992 estrellas en total (una media de 1,997 estrellas por proyecto). El líder de este tema es esbatmop/MNBVC, con 4,310 estrellas.
3 repositorios en total
MNBVC (Massive Never-ending BT Vast Chinese corpus) corpus masivo de chino en constante expansión. A la par de los 40T de datos para el entrenamiento de chatGPT. El conjunto de datos MNBVC no solo incluye la cultura principal, sino también datos de diversas culturas de nicho e incluso del idioma marciano. El conjunto de datos MNBVC incluye noticias, ensayos, novelas, libros, revistas, artículos científicos, guiones, publicaciones, wikis, poesía antigua, letras de canciones, descripciones de productos, chistes, anécdotas vergonzosas, registros de chat y cualquier otra forma de datos de texto puro en chino.
Corpus chino de ChatGPT Corpus de diálogo Corpus de novelas Corpus de atención al cliente para entrenar modelos grandes
La biblioteca de corpus de poesía moderna en chino más completa de la Tierra, 3k+ poetas, 80K+ poemas, 15M+ caracteres
Preguntas frecuentes
¿Cuál es el repositorio de #corpus-data más popular en GitHub?
El proyecto de código abierto de #corpus-data mejor posicionado en GitHub es esbatmop/MNBVC, con 4,310 estrellas. MNBVC (Massive Never-ending BT Vast Chinese corpus) corpus masivo de chino en constante expansión. A la par de los 40T de datos para el entrenamiento de chatGPT. El conjunto de datos MNBVC no solo incluye la cultura principal, sino también datos de diversas culturas de nicho e incluso del idioma marciano. El conjunto de datos MNBVC incluye noticias, ensayos, novelas, libros, revistas, artículos científicos, guiones, publicaciones, wikis, poesía antigua, letras de canciones, descripciones de productos, chistes, anécdotas vergonzosas, registros de chat y cualquier otra forma de datos de texto puro en chino.
¿Qué lenguajes de programación se utilizan más en los repositorios de #corpus-data?
Entre los proyectos de #corpus-data mejor posicionados en GitHub, los lenguajes de programación más comunes son Python.
¿Cómo se calcula la clasificación de los repositorios de #corpus-data?
Seguimos 3 repositorios activos de código abierto etiquetados con #corpus-data (500+ estrellas), que suman un total de 5,992 estrellas, con una media de 1,997 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.