Datasetpublic

procesaur/Wiki.korpus

Viki korpusi na srpskom i hrvatskom jeziku Sveža verzija, 1. maj 2026! Očišćen i filtriran skup pet projekata: Vikipedija, Vikizvornik, Vikiknjige, Vikivesti i Vikicitati. Preko 670.000 očišćenih članaka, sa preko 310 miliona reči. Svaki dokument je u zasebnoj JSON liniji. Novi metapodaci! Kategorije, broj reči i postotak ćiriličnog teksta Moguće filtiranje skupa po jeziku ili projektu. Wiki corpora in Serbian and… See the full description on the dataset page: https://huggingface.co/datasets/procesaur/Wiki.korpus.

sourceHugging Facecc-by-sa-3.0updated 2mo agoView on Hugging Face

1likes281downloads

root

file.gitattributes3 KBdownload

filebs_wiki_20260501.jsonl173.8 MBdownload

filebs_wikibooks_20260501.jsonl194 KBdownload

filebs_wikinews_20260501.jsonl384 KBdownload

filebs_wikiquote_20260501.jsonl1.0 MBdownload

filebs_wikisource_20260501.jsonl13.9 MBdownload

filecover.png1.1 MBdownload

filehr_wiki_20260501.jsonl414.1 MBdownload

filehr_wikibooks_20260501.jsonl2.4 MBdownload