urdu_ghazals_rekhta

數據集被作為作者 - > [en，ur，hi] - > ghazals/詩

[en，ur，hi]表示英語譯出和烏爾都語，印地語文字

為什麼這很有趣？烏爾都語是NLP中一種低資源語言。與英語相比，英語可能會在互聯網上浮動數十萬文章，烏爾都語的內容不多，可以培訓ML語言模型。

加扎爾是一種在南亞流行的詩歌形式。

就NLP而言，它為將來的語言模型測試提供了有趣的可能性。

資料來源：https：//en.wikipedia.org/wiki/ghazal

• Ghazal是一首由押韻對聯（稱為Sher或Bayt）組成的簡短詩。
• 大多數Ghazals的船隻在七到十二桿之間。為了使一首詩被認為是真正的加茲爾，它必須具有不少於五個對聯。
• 幾乎所有的ghazal都將自己限制在不到15對聯（超過這一長度的詩歌被視為Qasidas）。 Ghazal聯軸器以相同的押韻模式結束，並有望具有相同的儀表。
• Ghazal的獨特性源於其韻律和避免規則，分別稱為“ Qaafiyaa”和“ Radif”。
• 每個人都是獨立的，獨立於其他人，其中包含一個想法的完整表達。

我想強調這位媽媽的重要一點。 4MB的文本數據與基於變壓器的實際需求相比無關。

常見的爬網數據集是40多種語言的自由文本數據的巨型存儲庫。如果您實際上想從頭開始訓練變壓器模型，則需要數百萬個文本文件的順序數據。為此，最好從這些大數據工具之一開始。

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

所有數據學分都屬於Rekhta Foundation完成的出色工作。鏈接：https：//www.rekhta.org/

由於其出色的網頁，數據已被解析為烏爾都語，印地語和英語譯文。考慮支持他們在推動烏爾都語語言方面的出色工作。

將這些作者歸功於其出色的原始作品：

“ 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”

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

如果您想擴展此數據集的大小，請執行此存儲庫的叉子。有改進的範圍，因為當前這種簡單的解析僅著眼於手工策劃的作者列表。可以有更好的方法來自動執行任務。