Dataset: Wikipedia
term_id: datasetwikipedia
Category: basic_concepts
Definition
Wikipedia este una dintre cele mai mari și cuprinzătoare colecții de cunoștințe umane disponibile în format text. În domeniul IA, servește ca sursă primară pentru pre-antrenarea modelelor lingvistice mari, oferind date diverse și bogate în informații factuale.
Summary
Colecția vastă de texte de pe Wikipedia, servind ca corpus fundamental pentru pre-antrenarea modelelor lingvistice și sarcinile de PNN intensive din punct de vedere al cunoștințelor.
Key Concepts
- Corpus de pre-antrenare
- Bază de cunoștințe
- Diversitate lingvistică
Use Cases
- Pre-antrenarea modelelor lingvistice fundamentale
- Legarea entităților și dezambiguizarea
- Verificarea faptelor și recuperarea cunoștințelor