ElasticSearch 唐诗宋词 30万+数据下载

weixin_39821620 2023-11-19 18:30:32

用来ElasticSearch检索学习，唐诗宋词，包含es数据结构映射及30万+数据 , 相关下载链接：https://download.csdn.net/download/weixin_60817059/88502052?utm_source=bbsseo

...全文

32 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

用来ElasticSearch检索学习，唐诗宋词，包含es数据结构映射及30万+数据

【代码】【Docker】docker 安装 elasticsearch。

中华古诗词数据库是一个集大成的数字化文化资源平台，致力于系统整理、存储并开放中国历代古诗词作品。其核心目标是构建最全面、最权威的古诗词知识库，涵盖从先秦至清代的数万首诗词作品，覆盖唐诗、宋词、元曲等多个文学体裁。数据库的数据来源广泛，包括古代典籍、官修正史、地方志、文人别集等，结合现代数字化技术进行结构化处理。通过OCR识别、人工校对与自然语言处理技术，确保数据的准确性与完整性。

摘要：AI赋能古诗词传承——chinese-poetry开源项目解析 chinese-poetry是一个高质量的中文古诗词开源数据集，收录了从《诗经》到明清诗词的数百万首作品。项目采用标准化JSON格式存储，包含作者、标题、段落等结构化字段，并严格校对数据质量。相比传统数据采集方式，该项目为开发者提供了"一站式"解决方案，节省了数据预处理成本。核心数据结构分为诗（含格律标注）和词（含词牌名）两种类型，支持多种开发场景。该数据集为AI诗歌生成、智能学习应用等文化科技融合项目提供了可靠的数据

中文大模型训练数据治理的关键技术与实践摘要：中文大模型的性能高度依赖训练数据质量，而中文语料存在噪声冗余、格式混乱等挑战。本文系统阐述了中文语料治理的核心流程，包括数据采集、噪声过滤、标注质检等环节，提出了"准确性、全面性、纯净性、新颖性"四大质量标准。重点分析了针对中文特性的治理方法：基于规则和模型的噪声清洗、词义消歧、文化适配和时效性管理。实验表明，将噪声率从30%降至3%可使模型性能提升40-100%。

下载资源悬赏专区

13,654

社区成员

12,578,592

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章