#corpus-data Dépôts
Découvrez 3 dépôts GitHub open source actifs associés à #corpus-data, cumulant 5,992 étoiles au total (soit une moyenne de 1,997 étoiles par projet). Le projet en tête de ce thème est esbatmop/MNBVC, avec 4,310 étoiles.
3 dépôts au total
MNBVC (Massive Never-ending BT Vast Chinese corpus) corpus chinois d'une ampleur massive et sans fin. Comparable aux 40T de données utilisés pour l'entraînement de chatGPT. L'ensemble de données MNBVC inclut non seulement la culture dominante, mais aussi des données issues de cultures de niche variées, voire du 'marsien'. L'ensemble de données MNBVC comprend des nouvelles, des dissertations, des romans, des livres, des magazines, des articles scientifiques, des scripts, des posts, des wikis, des poèmes anciens, des paroles de chansons, des descriptions de produits, des blagues, des anecdotes embarrassantes, des historiques de discussion, et toute autre forme de données textuelles chinoises pures.
Corpus chinois ChatGPT Corpus de dialogue Corpus de roman Corpus de service client pour l'entraînement de grands modèles
La bibliothèque de corpus de poésie moderne en chinois la plus complète sur Terre, 3k+ poètes, 80K+ poèmes, 15M+ caractères
Foire aux questions
Quel est le dépôt #corpus-data le plus populaire sur GitHub ?
Le projet #corpus-data open source le mieux classé sur GitHub est esbatmop/MNBVC, avec 4,310 étoiles. MNBVC (Massive Never-ending BT Vast Chinese corpus) corpus chinois d'une ampleur massive et sans fin. Comparable aux 40T de données utilisés pour l'entraînement de chatGPT. L'ensemble de données MNBVC inclut non seulement la culture dominante, mais aussi des données issues de cultures de niche variées, voire du 'marsien'. L'ensemble de données MNBVC comprend des nouvelles, des dissertations, des romans, des livres, des magazines, des articles scientifiques, des scripts, des posts, des wikis, des poèmes anciens, des paroles de chansons, des descriptions de produits, des blagues, des anecdotes embarrassantes, des historiques de discussion, et toute autre forme de données textuelles chinoises pures.
Quels langages de programmation sont les plus utilisés dans les dépôts #corpus-data ?
Parmi les projets #corpus-data les mieux classés sur GitHub, les langages de programmation les plus courants sont Python.
Comment le classement des dépôts #corpus-data est-il calculé ?
Nous suivons 3 dépôts open source actifs associés à #corpus-data (500+ étoiles), totalisant 5,992 étoiles, avec une moyenne de 1,997 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.