Datasets:

procesaur
/

cirilica

Name: cirilica
Creator: Mihailo Škorić
License: https://choosealicense.com/licenses/cc-by-sa-4.0/

Modalities:

Formats:

Languages:

Size:

Libraries:

License:

Dataset Viewer

The dataset viewer is not available for this dataset.

Unexpected token '<', "<html> <h"... is not valid JSON

Need help to make the dataset viewer work? Make sure to review how to configure the dataset viewer, and open a discussion for direct support.

Корпус оригинално ћириличних докумената

и латиничних парњака

Погодан за обучавање модела и тестирање решења за пресловљавање.

Иницијална верзија - око 220 милиона речи из корпуса Знање, Википедије, и Редит корпуса

i latiničnih parnjaka

Pogodan za obučavanje modela i testiranje rešenja za preslovljavanje.

Inicijalna verzija - oko 220 miliona reči iz korpusa Znanje, Vikipedije i Redit korpusa

from datasets import load_dataset
dataset = load_dataset("procesaur/cirilica")
cirlicni_tekstovi = [record["text"] for record in dataset]

Editor

Mihailo Škorić

Citation:

uskoro