Add dataset: odeuropa_benchmarks_and_corpora
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 2/5
- Tempo stimato
- 1-3 ore
- Idoneità per principianti
- 38/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Abbastanza chiara
- Stato di attività
- Ferma
- Stack tecnologico
- machine-learning
- Ambito
- data
Direzione di ricerca
Inizia dall’URL del dataset presente nell’issue ed esamina le voci dei dataset esistenti e il formato per i contributi di questo repository. Verifica come debbano essere rappresentati i metadati del benchmark e del corpus, inclusi l’URL di accesso, la modalità, la licenza e la descrizione. Il lavoro è completato quando il dataset è stato aggiunto in modo coerente con le convenzioni del progetto.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
A URL for this dataset
https://github.com/Odeuropa/benchmarks_and_corpora
Dataset description
This dataset
contains the annotations related to olfactory information from the benchmark created for the ODEUROPA project.
For 7 languages we selected a pool of documents covering different time periods (from 1620 to 1925) and topics (e.g. medicine, law, literature).
This offers an exciting dataset of annotations related to olfactory (smell) information in historical documents. The dataset is interesting because it covers a range of periods but also offers the possibility of utilising ml for a different task than standard entity recognition tasks.
Dataset modality
Text
Dataset licence
Other license
Other licence
No response
How can you access this data
As a download from a repository/website
Confirm the dataset has an open licence
- To the best of my knowledge, this dataset is accessible via an open licence
Contact details for data custodian
No response
- Lingua principale
- Nessun dato sulla lingua
- Stelle
- 91
- Fork
- 8
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di bigscience-workshop/lam
-
dataset good first issue
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
bigscience-workshop/lam#86 · 1 commento ·
-
dataset
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
bigscience-workshop/lam#65 · 1 commento ·
-
candidate-dataset
Difficoltà 2/5 1-3 ore Idoneità per principianti 35/100
bigscience-workshop/lam#92 · 1 commento ·
-
dataset
Difficoltà 2/5 1-3 ore Idoneità per principianti 35/100
bigscience-workshop/lam#87 ·
-
dataset
Difficoltà 4/5 3-5 giorni Idoneità per principianti 42/100
bigscience-workshop/lam#85 · 1 reazione ·
Tutte le issue di bigscience-workshop/lam
Issue simili
-
Agentic
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
Imbad0202/academic-research-skills#979 ·
I maintainer di solito rispondono entro 1 giorno
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
Deltares/imod-python#1940 ·
I maintainer di solito rispondono entro 1 giorno
-
enhancement
Difficoltà 2/5 1-3 ore Idoneità per principianti 70/100
insightsengineering/teal.modules.general#1022 · 1 reazione ·
-
Add: VIVE TVApertaapproved check:passed streams:add
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 72/100
iptv-org/iptv#55293 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno