Miracl corpus
Открытый датасет «Miracl corpus» от miracl. Лицензия Apache-2.0. Файлы остаются у источника.
Dataset Card for MIRACL Corpus MIRACL 🌍🙌🌏 (Multilingual Information Retrieval Across a Continuum of Languages) is a multilingual retrieval dataset that focuses on search across 18 different languages, which collectively encompass over three billion native speakers around the world. This dataset contains the collection data of the 16 "known languages". The remaining 2 "surprise languages" will not be released until later. The corpus for each language is prepared from a Wikipedia… Карточка открытого датасета. Файлы на площадку не копируются. Автор: miracl. Лицензия: Apache-2.0.
Состав
- Тип
- Текст
- Форматы
- ZIP
- Строки
- —
- Часы
- —
- Объём
- —
- ПДн в карточке
- ПДн нет
- Язык
- ru
- География
- русский
Образец
Текстового образца нет. Для открытого набора файл лежит у источника.
Автор: miracl. Источник: https://huggingface.co/datasets/miracl/miracl-corpus. Лицензия: Apache-2.0 (https://huggingface.co/datasets/miracl/miracl-corpus).
Площадка является информационным посредником (ст. 1253.1 ГК РФ). Ответственность за законность данных несёт продавец. Сообщить о нарушении