Adathalmaz: Wikipédia
term_id: datasetwikipedia
Category: basic_concepts
Definition
A Wikipédia az egyik legnagyobb és legátfogóbb emberi tudástár szöveges formátumban. Az AI területén elsődleges forrásként szolgál a nagy nyelvi modellek előzetes betanításához (pre-training), mivel gazdag nyelvi és enciklopédikus tudást biztosít, amely segít a modelleknek a világ ismereteinek elsajátításában.
Summary
A Wikipédia hatalmas szöveggyűjteménye, amely alapvető korpuszként szolgál a nyelvi modellek előzetes betanításához és a tudásigényes NLP feladatokhoz.
Key Concepts
- Előzetes betanítási korpusz
- Tudásbázis
- Nyelvi sokszínűség
Use Cases
- Alapvető nyelvi modellek előzetes betanítása
- Entitások összekapcsolása és egyértelműsítése
- Tényellenőrzés és tudás-visszakeresés