You need to agree to share your contact information to access this dataset
This repository is publicly accessible, but you have to accept the conditions to access its files and content.
Please provide the following details to gain access to this dataset.
Log in or Sign Up to review the conditions and access this dataset content.
Πληροφορίες για τα δεδομένα
Το παρόν dataset περιλαμβάνει κείμενα της ελληνικής γλώσσας χρονολογούμενα από τα αρχαία χρόνια έως και το 250 μ.Χ. Περιέχονται λιγότερο γνωστά έργα διάφορων κειμενικών ειδών της αρχαίας ελληνικής γραμματείας (τραγωδία, κωμωδία, επική/λυρική ποίηση, καθώς και επιστημονικά και φιλοσοφικά κείμενα) μαζί με θρησκευτικού περιεχομένου έργα. Παράλληλα, ο χρήστης θα βρει και σχόλια αναφορικά με το λεξιλόγιο αλλά και διευκρινίσεις. Σημειώνεται πως έχει διατηρηθεί ο συλλαβισμός, ενώ έχουν αφαιρεθεί οι υποσημειώσεις και η αρίθμηση με αραβικούς αριθμούς, ώστε να δοθεί όσο το δυνατόν πιο άρτια η συνέχεια του κειμένου. Τα αρχεία αντλήθηκαν από XML μορφή, από τη σελίδα: https://github.com/OpenGreekAndLatin/First1KGreek Παρατίθενται σε μορφή parquet.
Στατιστικά Dataset:
Total tokens: 33.267.723 Size: 104Mb Words Count: 18.708.520
Δομή Dataset
Το αποθετήριο περιλαμβάνει ένα αρχείο Parquet που αποθηκεύει τα κείμενα σε μορφή πίνακα. Κάθε γραμμή αντιστοιχεί σε ένα κείμενο, μαζί με τα μεταδεδομένα του, ως εξής:
| Στήλη | Περιγραφή |
|---|---|
| author | Ο συγγραφέας του κειμένου |
| title | Ο τίτλος του κειμένου |
| text | Το κείμενο |
Για οποιοδήποτε ζήτημα, επικοινωνήστε: glossapi.team@eellak.gr
Dataset info
In this dataset, the user will find Greek texts of the Ancient Greek era till 250 CE. It includes fragments from less well-known texts (tragedy, comedy, epic/lyric poetry, scientific and philosophical texts) along with religious ones. There are also commentary archives. It is worth mentioning that, is some cases, the spelling is maintained but the footnotes and the Arabic numbers have been erased, in order for us to maintain the adequacy of the texts. The archives can be found at https://github.com/OpenGreekAndLatin/First1KGreek as XML, and here are uploaded as parquet.
Dataset Statistics
Total tokens: 33.267.723 Size: 104Mb Words Count: 18.708.520
Δομή Dataset
The repository consists of a Parquet file storing texts in tabular form. Each row corresponds to one text and its metadata.
| Column | Decription |
|---|---|
| author | The author of the text |
| title | The title of the text |
| text | The text |
For feedback contact: glossapi.team@eellak.gr
Gated Access
This dataset is distributed through Hugging Face's gated access mechanism. To request access, please provide a brief description of your project and, where applicable, a project, repository, or company URL.
By requesting access to this dataset, you acknowledge that the dataset maintainers may contact you regarding your access request and matters directly related to the administration, maintenance, security, responsible use, and licensing of the dataset, where necessary and in accordance with applicable data protection laws.
- Downloads last month
- 15