Git Stars Git Stars

#corpus-data Репозитории

Откройте для себя 3 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #corpus-data, с общим числом 5,992 звёзд (в среднем 1,997 на проект). Лидером этой темы является esbatmop/MNBVC, набравший 4,310 звёзд.

3
Всего репозиториев
5,992
Всего звезд
1,997
Среднее количество звезд на репозиторий
Языки программирования: Python

Всего репозиториев: 3

1
esbatmop/MNBVC

MNBVC (Massive Never-ending BT Vast Chinese corpus) сверхмасштабный китайский корпус. Сопоставим с 40T данных, используемых для обучения chatGPT. Набор данных MNBVC включает не только мейнстримную культуру, но и данные из различных нишевых культур и даже марсианского языка. Набор данных MNBVC включает чистые текстовые данные на китайском языке во всех формах, такие как новости, эссе, романы, книги, журналы, статьи, сценарии, посты, вики, древняя поэзия, тексты песен, описания товаров, шутки, неловкие истории, журналы чатов и многое другое.

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

Китайский корпус ChatGPT Корпус диалогов Корпус романов Корпус обслуживания клиентов для обучения больших моделей

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

Самая полная на Земле база данных современной поэзии на китайском языке, 3k+ поэтов, 80K+ стихотворений, 15M+ символов

sheepzh
⭐ 743 Python 👤 sheepzh User 🕐 Обновлено 2025-09-12 📅 Создано 2019-04-16

Часто задаваемые вопросы

1

Какой репозиторий по теме #corpus-data наиболее популярен на GitHub?

Самый высоко оценённый проект с открытым исходным кодом по теме #corpus-data на GitHub — esbatmop/MNBVC, набравший 4,310 звёзд. MNBVC (Massive Never-ending BT Vast Chinese corpus) сверхмасштабный китайский корпус. Сопоставим с 40T данных, используемых для обучения chatGPT. Набор данных MNBVC включает не только мейнстримную культуру, но и данные из различных нишевых культур и даже марсианского языка. Набор данных MNBVC включает чистые текстовые данные на китайском языке во всех формах, такие как новости, эссе, романы, книги, журналы, статьи, сценарии, посты, вики, древняя поэзия, тексты песен, описания товаров, шутки, неловкие истории, журналы чатов и многое другое.

2

Какие языки программирования чаще всего используются в репозиториях по теме #corpus-data?

Среди наиболее высоко оценённых проектов по теме #corpus-data на GitHub чаще всего используются языки программирования Python.

3

Как рассчитывается рейтинг репозиториев по теме #corpus-data?

Мы отслеживаем 3 активных репозиториев с открытым исходным кодом, отмеченных тегом #corpus-data (500 и более звёзд), с общим числом 5,992 звёзд и в среднем 1,997 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.