kurumikz/kaz-news-corpus

kaz-news-corpus Қазақ тіліндегі жаңалықтар корпусы — egemen.kz, baq.kz және azattyq.org сайттарынан жиналған. Датасет туралы Параметр Мән Мақала саны 11,814 Жалпы көлемі 53.86 MB Жалпы сөз саны 3,405,903 Орташа мақала ұзындығы 2,274 символ / 288 сөз Медиана ұзындығы 1,503 символ Ең ұзын мақала 81,103 символ Ең қысқа мақала 86 символ Бос тақырып (title) 3 (0.025%) Деректер көздері Сайт Мақала Орташа ұзындық Үлесі… See the full description on the dataset page: https://huggingface.co/datasets/kurumikz/kaz-news-corpus.