Thirukural
קוד פתוחSelvakumarduraipandianmit2025-02-16
המאגר מרכז את כל 1,330 בתי השיר של הטירוקוראל הטמילי לצד תעתיק, תרגום ופרשנויות קלאסיות. הוא מתאים למי שבונה צ'אטבוט ספרותי או מאמן מודל שפה על טקסטים קלאסיים בטמילית.
- 75הורדות בחודש
- 54לייקים
מה זה
מדובר באוסף מובנה של היצירה הטמילית הקלאסית טירוקוראל. המאגר מכיל 1,330 רשומות, כמספר השירים ביצירה המקורית, ומחולק לפי החלוקה המסורתית לפרקים, חלקים ושערים. הקובץ מכיל פיצול יחיד של אימון, ללא חלוקה מובנית למבחן או אימות.
כל רשומה כוללת את הטקסט המקורי בשפת טמילית, תעתיק פונטי באותיות לטיניות, והסברים מילוליים. מעבר לכך, נכללים כמה פירושים שונים שנכתבו על ידי פרשנים מוכרים לאורך השנים, לצד שדות באנגלית כמו תרגום הצמד והגדרת הפרק. הנתונים נתרמו על ידי אחד ממפתחי המיזם thirukural.ai, ללא פירוט טכני בכרטיס לגבי תהליך הניקוי או מקורות הטקסט המדויקים שמהם הועתקו הפירושים.
מתאים ל
- כוונון צ'אטבוט בטמילית
אימון בוט לשיחה ולמענה על שאלות שמבוססות על שירת הטירוקוראל והפירושים שלה.
- מערכת אחזור ידע ושירה
בניית מנוע חיפוש והשוואה בין פרשנויות שונות לכל בית שיר ביצירה.
- אפליקציות לימוד ותרגול
שילוב הטקסט, התעתיק והתרגום באפליקציות חינוכיות להוראת ספרות טמילית.
איפה זה נופל
המאגר מוגבל אך ורק לטקסט היצירה הספציפית ואינו מכיל שום עברית. השפות היחידות הן טמילית ואנגלית בסיסית. הוא קטן מאוד מבחינת היקף נתונים, עם 1,330 שורות בלבד, כך שהוא לא מתאים לאימון מודל שפה מאפס אלא רק לכוונון עדין ממוקד, אחזור מידע או הערכה. כרטיס המאגר לא מפרט תהליכי אימות או בדיקות איכות, ולכן לפני שילוב במוצר תצטרכו לבדוק בעצמכם האם נפלו שגיאות העתקה בתעתיק הלטיני או בטקסטים של הפרשנים.
שאלות
נפוצות
האם יש במאגר טקסטים בעברית?
לא. המאגר כולל אך ורק טקסט בטמילית ותרגומים או תעתיקים באנגלית. אם אתם מחפשים מקורות לתרגום לעברית, תצטרכו לתרגם את השדות בעצמכם.
האם מותר להשתמש בנתונים לפרויקט מסחרי?
כן. המאגר פורסם ברישיון MIT, שמתיר שימוש מסחרי מלא ללא הגבלת סגירות הקוד. התנאי היחיד הוא שמירת הצהרת הרישיון והקרדיט למפרסם המקורי.
כמה מקום המאגר תופס בדיסק?
מדובר במאגר קל מאוד. גודל ההורדה הוא כ־1.5 מגה בייט, ובפריסה מלאה בזיכרון הוא תופס מעט יותר מ־4 מגה בייט.
האם המאגר מתאים לאימון מודל שפה גדול?
לא לבד. יש בו 1,330 רשומות בלבד שמכסות יצירה ספרותית אחת. הוא מיועד למשימות נקודתיות של שליפת מידע או כוונון עדין לשאלות ותשובות על היצירה.
איך טוענים
טוענים את המאגר ישירות דרך ספריית datasets באמצעות הנתיב Selvakumarduraipandian/Thirukural. אין צורך בהרשאות מיוחדות או באישור גישה. גודל ההורדה עומד על כ־1.5 מגה בייט, והנתונים שמורים כקובץ Parquet וגם כקובצי Arrow מקומיים. שדות המפתח לעבודה כוללים את השיר המקורי בטמילית, התעתיק, והעמודות הייעודיות של הפירושים השונים לצד שדות המבנה כמו פרק ושער.
from datasets import load_dataset
ds = load_dataset("Selvakumarduraipandian/Thirukural")הרישיון
המאגר מופץ תחת רישיון MIT. הרישיון הזה מתיר שימוש מסחרי, שינוי, הפצה ושילוב בקוד סגור, בתנאי ששומרים על הודעת זכויות היוצרים המקורית. המשמעות היא שאתם רשאים לאמן עליו מודלים חופשיים או מסחריים בלי חובת שיתוף של התוצרים באותו רישיון.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש