File size: 760 Bytes
679b2ec d55ed20 679b2ec fa4b4c9 679b2ec 04bef75 fa4b4c9 04bef75 fa4b4c9 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 |
---
language:
- zh
configs:
- config_name: alpha
data_files:
- split: train
path: "alpha/out.jsonl"
- config_name: beta
data_files:
- split: train
path: "beta/out.jsonl"
- config_name: gamma
data_files:
- split: train
path: "gamma/out.jsonl"
---
# 中文錯字糾正資料集
由規則與字典自維基百科產生的錯誤糾正資料集。
包含錯誤類型:隨機錯字、近似音錯字、缺字錯誤、冗字錯誤。
資料集使用函式庫: [p208p2002/zh-mistake-text-gen](https://github.com/p208p2002/zh-mistake-text-gen)
### 子集
- alpha: 95%錯誤,5%不變。單句中可能有多個錯誤。
- beta: 50%錯誤,50%不變。單句中僅有一個錯誤。
- gamma: 100%錯誤。單句中可能有多個錯誤。 |