urdu_ghazals_rekhta

数据集被作为作者 - > [en，ur，hi] - > ghazals/诗

[en，ur，hi]表示英语译出和乌尔都语，印地语文字

为什么这很有趣？乌尔都语是NLP中一种低资源语言。与英语相比，英语可能会在互联网上浮动数十万文章，乌尔都语的内容不多，可以培训ML语言模型。

加扎尔是一种在南亚流行的诗歌形式。

就NLP而言，它为将来的语言模型测试提供了有趣的可能性。

资料来源：https：//en.wikipedia.org/wiki/ghazal

• Ghazal是一首由押韵对联（称为Sher或Bayt）组成的简短诗。
• 大多数Ghazals的船只在七到十二杆之间。为了使一首诗被认为是真正的加兹尔，它必须具有不少于五个对联。
• 几乎所有的ghazal都将自己限制在不到15对联（超过这一长度的诗歌被视为Qasidas）。 Ghazal联轴器以相同的押韵模式结束，并有望具有相同的仪表。
• Ghazal的独特性源于其韵律和避免规则，分别称为“ Qaafiyaa”和“ Radif”。
• 每个人都是独立的，独立于其他人，其中包含一个想法的完整表达。

我想强调这位妈妈的重要一点。 4MB的文本数据与基于变压器的实际需求相比无关。

常见的爬网数据集是40多种语言的自由文本数据的巨型存储库。如果您实际上想从头开始训练变压器模型，则需要数百万个文本文件的顺序数据。为此，最好从这些大数据工具之一开始。

==============================================

所有数据学分都属于Rekhta Foundation完成的出色工作。链接：https：//www.rekhta.org/

由于其出色的网页，数据已被解析为乌尔都语，印地语和英语译文。考虑支持他们在推动乌尔都语语言方面的出色工作。

将这些作者归功于其出色的原始作品：

“ Mirza-Ghalib”，“ Allama-iqbal”，“ Faiz-Ahmad-Faiz”，“ Sahir-Ludhianvi”，“ Meer-Taqi-Meer”，“ Dagh-Dehlvi”，“ Kaifi-azmi”，“ Kaifi-azmi”，“ Kaifi-azmi”，“ “ Jaan-Nisar-Akhtar”，“ Javed-Akhtar”，“ Jigar-Moradabadi”，“ Jaun-Eliya”，“ Ahmad-Faraz”，“ Meer-Anees”，“ Mohsin-Naqvi”，“ Mohsin-Naqvi” “ Waseem-Barelvi”，“ Akbar-Allahabadi”，“ Altaf-Hussain-Hali”，“ Ameer-Khusrau”，“ Naji-Shakir”，“ Naseer-Turabi”，“ Nazm-Tabatabai”

==============================================

如果您想扩展此数据集的大小，请执行此存储库的叉子。有改进的范围，因为当前这种简单的解析仅着眼于手工策划的作者列表。可以有更好的方法来自动执行任务。