LINAGORA Labs 发布 Claire French Dialogue Dataset 数据集, 应用在 自然语言处理、语言模型 领域

LINAGORA Labs 本次发布的数据集 Claire French Dialogue Dataset, 该数据集名为CFDD，包含了大约1,600万词汇，这些词汇来源于法语对话和舞台剧剧本的转录文本。该数据集的构建旨在推动多语种、开源语言模型的发展。该数据集由24个独立语料库组成，这些语料库被细分为八个子类别，主要关注对话内容。其规模大约为1,600万单词，所承担的任务是开发多语种、开源的语言模型。

查看Claire French Dialogue Dataset

Dataset card 内容： 

Files and versions 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。