Datasæt: Bookcorpus
term_id: datasetbookcorpus
Category: basic_concepts
Definition
BookCorpus er en samling af tekster fra over 10.000 upublicerede bøger, der er udtrukket fra internettet. Det fungerer som en grundlæggende ressource til træning og evaluering af modeller til naturlig sprogbehandling (NLP).
Summary
Et datasæt i stort omfang, der indeholder over 10.000 upublicerede bøger, der bredt bruges til prætræning af modeller til naturlig sprogbehandling.
Key Concepts
- Prætræning af NLP
- Tekstkorpus
- Sprogmodeller
- Upublicerede bøger
Use Cases
- Prætræning af transformer-modeller
- Evaluering af sproglig flyd
- Analyse af litterære tekster