
JCoLA:日语语言可接受性语料库
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
20
最后提交
2026年4月
GitHub 创建日期
2022年2月10日
收录日
2026年11月17日
同分类的热门资源
研究领域相近的资源
- KakologArchivesKakologArchives74k聚合了2009年至2024年NicoNico Live的评论日志,总计超过150 GB,包括转移前、转移后以及实时NX‑Jikkyo捕获,提供了一个API,便于检索历史电视广播讨论。HF 数据集共同: 语料库与数据集
- fineweb-2-edu-japanesehotchpotch8kFineWeb2 Edu Japanese 提供约120 million高质量教育日语文本(≈89.3 billion tokens)来自 FineWeb2,经过 DeepSeek‑API classifier(score ≥ 2.5)过滤,通过 ModernBERT‑Ja‑130M tokenized,并包含一个小-token子集(≤512 tokens)。HF 数据集共同: 语料库与数据集
- financial-lakehouseYoshi-Dai5k一个受限、非商业派生数据集,基于 EDINET XBRL 财务数据,禁止再分发、AI 训练和商业用途,请求访问需人工批准。HF 数据集共同: 语料库与数据集
- Nemotron-Personas-Japannvidia5kNemotron‑Personas‑Japan 是一个开放源代码、CC BY 4.0 许可证的高质量、合成生成的日本人物资料数据集—包含姓名、性别、年龄、背景、婚姻状况、教育、职业和地点—基于真实世界的人口统计、地理和人格分布,并采用概率图模型和 GPT‑OSS‑120B 进行工程设计,以提升多样性、降低偏见、防止模型崩溃、支持主权 AI 发展,并支持商业使用。HF 数据集共同: 语料库与数据集
- Nemotron-Personas-Finance-Japannvidia3k基于真实人口统计、地理和人格数据构建的合成日语金融角色数据集,扩展了 Nemotron‑Personas‑Japan,包括家庭收入、资产、家庭结构和健康特征,以支持 AI 开发、用户模拟以及在金融情境中的偏见缓解。HF 数据集共同: 语料库与数据集
- japanese-anime-speech-v2joujiboi3kJapanese Anime Speech Dataset V2 提供 292,637 条已清洗的音频-文本对——约 397.5 小时的 SFW 内容和 52.4 小时的 NSFW 内容——以 128‑kbps MP3 文件形式按安全级别划分,专为训练自动语音识别模型而设计。HF 数据集共同: 语料库与数据集