CoolFace
Datasetpublic

erhwenkuo/poetry-chinese-zhtw

Dataset Card for "poetry-chinese-zhtw" 資料集摘要 中文古典文集資料庫收集了約 5.5 萬首唐詩、26 萬首宋詩、2.1 萬首宋詞和其他古典文集。詩人包括唐宋兩朝近 1.4 萬古詩人，和兩宋時期 1.5 千古詞人。 五代十國- 收錄"花間集"與"南唐二主詞" 唐- 收錄"全唐詩"(是清康熙四十四年，康熙皇帝主導下，蒐集羅唐詩的收藏「得詩 48,900 餘首，詩入 2,200 人」)。 宋- 收錄"全宋詞"(由唐圭璋編著，孔凡禮補輯，共收錄宋代詞人 1,330 家，詞作 21,116 首)。 元- 收錄元曲 11,057 篇，曲家 233 人。 清- 收錄"納蘭性德詩集" 原始資料來源: chinese-poetry: 最全中文诗歌古典文集数据库 資料下載清理 下載 chinese-poetry: 最全中文诗歌古典文集数据库 的 Repo 調整資料呈現結構便於模型訓練 使用 OpenCC 來進行簡繁轉換 使用 Huggingface… See the full description on the dataset page: https://huggingface.co/datasets/erhwenkuo/poetry-chinese-zhtw.

sourceHugging Facemitupdated 3y agoView on Hugging Face
21likes100downloads
Dataset Card

Dataset Card for "poetry-chinese-zhtw"

資料集摘要

中文古典文集資料庫收集了約 5.5 萬首唐詩、26 萬首宋詩、2.1 萬首宋詞和其他古典文集。詩人包括唐宋兩朝近 1.4 萬古詩人，和兩宋時期 1.5 千古詞人。

  • —五代十國- 收錄"花間集"與"南唐二主詞"
  • —唐- 收錄"全唐詩"(是清康熙四十四年，康熙皇帝主導下，蒐集羅唐詩的收藏「得詩 48,900 餘首，詩入 2,200 人」)。
  • —宋- 收錄"全宋詞"(由唐圭璋編著，孔凡禮補輯，共收錄宋代詞人 1,330 家，詞作 21,116 首)。
  • —元- 收錄元曲 11,057 篇，曲家 233 人。
  • —清- 收錄"納蘭性德詩集"

原始資料來源:

資料下載清理

  1. 1.下載 chinese-poetry: 最全中文诗歌古典文集数据库 的 Repo
  2. 2.調整資料呈現結構便於模型訓練
  3. 3.使用 OpenCC 來進行簡繁轉換
  4. 4.使用 Huggingface Datasets 來上傳至 Huggingface Hub

資料集結構

json
{
  "author":"杜甫",
  "title":"月",
  "text":"天上秋期近，人間月影清。入河蟾不沒，搗藥兔長生。只益丹心苦，能添白髮明。干戈知滿地，休照國西營。",
  "category":"唐"
}

資料欄位

  • —author: (string) 作者
  • —title: (string) 作品名稱
  • —text: (string) 文章內容
  • —category: (string) 作品的朝代

如何使用

python
from datasets import load_dataset

dataset = load_dataset("erhwenkuo/poetry-chinese-zhtw", split="train")

許可資訊

MIT