Git Stars Git Stars

#corpus-data Repository

Scopri 3 repository GitHub open source attivi contrassegnati con #corpus-data, che raccolgono un totale di 5,992 stelle (con una media di 1,997 stelle per progetto). Il progetto leader di questo argomento è esbatmop/MNBVC, con 4,310 stelle.

3
Totale Repository
5,992
Totale stelle
1,997
Media Stelle/Repo
Linguaggi di programmazione: Python

3 repository in totale

1
esbatmop/MNBVC

MNBVC (Massive Never-ending BT Vast Chinese corpus) super corpus di lingua cinese ad altissima scala. Al livello dei dati da 40T utilizzati per l'addestramento di chatGPT. Il set di dati MNBVC non solo include la cultura mainstream, ma anche dati da ogni cultura di nicchia e persino dal linguaggio marziano. Il set di dati MNBVC include notizie, saggi, romanzi, libri, riviste, tesi, copioni, post, wiki, poesie antiche, testi di canzoni, descrizioni di prodotti, barzellette, episodi imbarazzanti, registri di chat e ogni altra forma di dati testuali puri in cinese.

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

Corpus cinese di ChatGPT Corpus di dialoghi Corpus di romanzi Corpus di assistenza clienti per l'addestramento di modelli di grandi dimensioni

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

La raccolta più completa di poesia moderna in lingua cinese sulla Terra, 3k+ poeti, 80K+ poesie, 15M+ caratteri

sheepzh
⭐ 743 Python 👤 sheepzh User 🕐 Aggiornato 2025-09-12 📅 Creato 2019-04-16

Domande frequenti

1

Qual è il repository #corpus-data più popolare su GitHub?

Il progetto open source #corpus-data più alto in classifica su GitHub è esbatmop/MNBVC, con 4,310 stelle. MNBVC (Massive Never-ending BT Vast Chinese corpus) super corpus di lingua cinese ad altissima scala. Al livello dei dati da 40T utilizzati per l'addestramento di chatGPT. Il set di dati MNBVC non solo include la cultura mainstream, ma anche dati da ogni cultura di nicchia e persino dal linguaggio marziano. Il set di dati MNBVC include notizie, saggi, romanzi, libri, riviste, tesi, copioni, post, wiki, poesie antiche, testi di canzoni, descrizioni di prodotti, barzellette, episodi imbarazzanti, registri di chat e ogni altra forma di dati testuali puri in cinese.

2

Quali linguaggi di programmazione sono più utilizzati nei repository #corpus-data?

Tra i progetti #corpus-data più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python.

3

Come viene calcolata la classifica dei repository #corpus-data?

Monitoriamo 3 repository open source attivi contrassegnati con #corpus-data (500+ stelle), per un totale di 5,992 stelle e una media di 1,997 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.