Alternatives and similar repositories for data:

Users that are interested in data are comparing it to the libraries listed below

• i3ef0xh4ck / the-most-complete-dictionary-ever
  The most complete Chinese dictionaries ever. 史上最全的中文分类词库，包含地理信息、电子游戏、工程应用、农林牧渔、人文科学、社会科学、生活百科、医学医药、艺术设计、娱乐休闲、运动休闲、自然科学等12大类的超级字典。
  ☆76Updated 4 years ago
• prnake / CialloCorpus
  人民日报(1946-2024)、习近平系列重要讲话数据库、古诗文
  ☆57Updated last week
• yiyujianghu / sinan
  中文日期/时间/数字量提取工具
  ☆65Updated 4 years ago
• clue-ai / clueai-python
  clueai工具包: 3行代码3分钟，自定义需要的API！
  ☆233Updated last year
• kaixindelele / ChatSensitiveWords
  利用LLM+敏感词库，来自动判别是否涉及敏感词。
  ☆113Updated last year
• wainshine / Medical-Names-Corpus
  医疗语料库。医疗机构名语料库。药品本位码。
  ☆69Updated last year
• qianzhengyang / AllDataPackages
  中文、分词、词表、核心词典、事件词表、停用词、敏感词、问答、问答数据、知识图谱、文本语料。
  ☆159Updated 3 years ago
• xiu-ze / Poetry
  爬取自互联网的古诗词语料库，包含先秦至当代诗词，共计1014508首诗
  ☆30Updated 3 years ago
• mattzheng / ChineseWiki
  维基百科中文语料整理
  ☆295Updated 7 years ago
• DeepLangAI / LingoWhale-8B
  LingoWhale-8B: Open Bilingual LLMs | 开源双语预训练大模型
  ☆138Updated last year
• lanhin / SchoolChinese
  中学语文课文——文言文古诗词
  ☆32Updated 6 years ago
• mahavivo / scripta-sinica
  汉语古典文本资料库
  ☆273Updated 7 years ago
• siat-nlp / HanFei
  国内首个全参数训练的法律大模型 HanFei-1.0 (韩非)
  ☆115Updated last year
• foowaa / Chinese_from_dongxiexidian
  中文预处理语料
  ☆108Updated 6 years ago
• wainshine / Species-Names-Corpus
  物种名称语料库。植物名,动物名。
  ☆48Updated last year
• pyunits / pyunit-ner
  NER实体识别模型,快速高效简单一键部署docker部署调用模型。能识别：地址、人名、机构名实体。
  ☆36Updated last year
• RuilinXu / GovDoc-CN
  A Multi-Modal Dataset of Chinese Governmental Docunments
  ☆31Updated 4 years ago
• wainshine / Book-Names-Corpus
  图书名语料库。含部分电影、游戏名称。
  ☆71Updated last year
• yuanjie-ai / ChineseSensitiveVocabulary
  暴恐违禁 文本色情 政治敏感 恶意推广 低俗辱骂
  ☆98Updated 2 years ago
• ChaosWang666 / Ziya-LLaMA-13B-deployment
  Ziya-LLaMA-13B是IDEA基于LLaMa的130亿参数的大规模预训练模型，具备翻译，编程，文本分类，信息抽取，摘要，文案生成，常识问答和数学计算等能力。目前姜子牙通用大模型已完成大规模预训练、多任务有监督微调和人类反馈学习三阶段的训练过程。本文主要用于Ziya-…
  ☆45Updated last year
• shuliu586 / AI_Chinese_DataSet_KnowledgeDAO
  供AI训练的中文数据集（持续更新。。。）与AI公司图谱，目前的数据集餐饮行业8000问，百度知道，Alpaca中文数据集，计算机领域数据集，Vicuna数据集，RedPajama数据集，Wikipedia中文词条数据集，网站论坛问答数据集
  ☆56Updated last year
• Valuebai / Text-Auto-Summarization
  文本自动摘要
  ☆94Updated last year
• zhangyics / Chinese-abbreviation-dataset
  This is a corpus of Chinese abbreviation, including negative full forms.
  ☆194Updated 3 years ago
• zhangnn520 / znn_chatglm
  打造人人都会的NLP，开源不易，记得star哦
  ☆101Updated last year
• blcuicall / taoli
  "桃李“: 国际中文教育大模型
  ☆175Updated last year
• v-zich / couplet-clean-dataset
  Chinese Couplets Dataset without vulgar words. 不包含敏感内容的对联数据集。
  ☆72Updated 5 years ago
• FreeFlyXiaoMa / pycorrector
  错别字纠正算法。调用pycorrector接口，使用规则。
  ☆68Updated 5 years ago
• yongzhuo / chatglm-maths
  chatglm-6b微调/LORA/PPO/推理, 样本为自动生成的整数/小数加减乘除运算, 可gpu/cpu
  ☆164Updated last year
• ZouJiu1 / zhihu_spider_selenium
  爬取知乎个人主页的想法、文篇和回答
  ☆48Updated 2 months ago
• fighting41love / Chinese_from_dongxiexidian
  mirror of dongxiexidian/Chinese
  ☆294Updated 6 years ago