Update README.md

README.md

@@ -1,3 +1,51 @@
 ---
 license: apache-2.0
+task_categories:
+- text2text-generation
+language:
+- zh
+size_categories:
+- 100M<n<1B
 ---
+
+# Dataset for CSC
+
+中文纠错数据集
+
+# Dataset Description
+Chinese Spelling Correction (CSC) is a task to detect and correct misspelled characters in Chinese texts.
+
+共计 326w 条数据，以下是数据来源
+
+|数据集|语料|链接|
+|------|------|------|
+|SIGHAN+Wang271K 拼写纠错数据集|SIGHAN+Wang271K(27万条)|https://huggingface.co/datasets/shibing624/CSC|
+|ECSpell 拼写纠错数据集|包含法律、医疗、金融等领域|https://github.com/Aopolin-Lv/ECSpell|
+|CGED 语法纠错数据集|仅包含了2016和2021年的数据集|https://github.com/wdimmy/Automatic-Corpus-Generation?spm=a2c22.12282016.0.0.5f3e7398w7SL4P|
+|NLPCC 纠错数据集|包含语法纠错和拼写纠错|https://github.com/Arvid-pku/NLPCC2023_Shared_Task8；http://tcci.ccf.org.cn/conference/2023/dldoc/nacgec_training.zip；http://tcci.ccf.org.cn/conference/2018/dldoc/trainingdata02.tar.gz|
+|pycorrector 语法纠错集|中文语法纠错数据集|https://github.com/shibing624/pycorrector/tree/llm/examples/data/grammar|
+
+其余的数据集还可以看
+
+- 中文文本纠错数据集汇总 (天池)：https://tianchi.aliyun.com/dataset/138195
+- NLPCC 2023中文语法纠错数据集：http://tcci.ccf.org.cn/conference/2023/taskdata.php
+
+
+# Languages
+The data in CSC are in Chinese.
+
+# Dataset Structure
+An example of "train" looks as follows:
+```json
+{"conversations":
+  [
+    {"from":"human","value":"对这个句子纠错\n\n以后，我一直以来自学汉语了。"},
+    {"from":"gpt","value":"从此以后，我就一直自学汉语了。"}
+  ]
+}
+
+```
+
+# Contributions
+
+[Weaxs](https://github.com/Weaxs) 整理并上传