procesaur/smece · Datasets at Hugging Face

text stringlengths 0 1.45k
INŽENJERSTVO
Mentor: Prof. dr Zoltan Zavargo Kandidat: dipl. ing. Dunja Sokolović
Redni broj:
RBR
IBR
TD
Tip zapisa:
TZ
Vrsta rada (dipl., mag., dokt.):
VR
AU
MN
NR
JP
JI
ZP
UGP
Godina:
GO
2012.
Izdavač:
IZ
MA
FO
NO
ND
PO
UDK
Čuva se:
ČU
VN
u Beču.
Izvod:
IZ
brzinama vazduha od 1, 3, 6, 8 m/s.
nalaze na 0,5, 1, 2, 4, 6, 8 m u odnosu na
komoru.
od
NN veća:
DP
11. 02. 2011
DO
ČLAN:
ČLAN:
ANO
INO
DT
TR
CC
Ph. D. thesis
Author:
AU
Mentor:
MN
Zoltan Zavargo, Ph. D.
Title:
TI
in water”
LT
LA
eng. / srp.
CP
LP
PY
2012.
PU
PP
PD
SF
SD
SKW
UC
HD
Note:
N
AB
by
is
1, 6,
10 %
as
well.
air velocities: 1, 3, 6, and 8 m/s. Samples were
was 8 m long, and sampling point were at 0.5, 1,
2, 4, 6, 8 m from the aerosol camber.
AS
11.02. 2011
DE
DB
MEMBER:
UVOD I CILJ
1
TEORIJSKI DEO 2
AEROSOLI
2
AEROSOLI
9
16
Uvod
16

text

stringlengths

1.45k

INŽENJERSTVO

Mentor: Prof. dr Zoltan Zavargo Kandidat: dipl. ing. Dunja Sokolović

Redni broj:

RBR

IBR

Tip zapisa:

Vrsta rada (dipl., mag., dokt.):

UGP

Godina:

2012.

Izdavač:

UDK

Čuva se:

ČU

u Beču.

Izvod:

brzinama vazduha od 1, 3, 6, 8 m/s.

nalaze na 0,5, 1, 2, 4, 6, 8 m u odnosu na

komoru.

NN veća:

11. 02. 2011

ČLAN:

ANO

INO

Ph. D. thesis

Author:

Mentor:

Zoltan Zavargo, Ph. D.

Title:

in water”

eng. / srp.

2012.

SKW

Note:

1, 6,

10 %

well.

air velocities: 1, 3, 6, and 8 m/s. Samples were

was 8 m long, and sampling point were at 0.5, 1,

2, 4, 6, 8 m from the aerosol camber.

11.02. 2011

MEMBER:

UVOD I CILJ

TEORIJSKI DEO 2

AEROSOLI

Uvod

Skup teksta koji je obeležen kao smeće prilikom pripremanja drugih korpusa

oko 1.5 milijardi "reči"

Može se koristiti za obučavanje modela za klasifikaciju smeća :)

Za korpuse pravog teksta za srpski jezik pogledajte S.T.A.R.S (13,289 disertacija sa NARDUS-a) ili Kišobran veb korpus (najveći korpus za srpski jezik).

A set of text marked as garbage/boilerplate when preparing other corpora

around 1.5 billion "words"

Can be used to train boilerplate classification models :)

For real text corpora for Serbian see S.T.A.R.S (13,289 dissertations from NARDUS) or Umbrella web corp. (largest corpus for the Serbian language).

from datasets import load_dataset
dataset = load_dataset("procesaur/smece")

Editor

Mihailo Škorić

@procesaur

Citation:

@article{skoric24korpusi,
  author    = {\vSkori\'c, Mihailo and Jankovi\'c, Nikola},
  title     = {New Textual Corpora for Serbian Language Modeling},
  journal   = {Infotheca},
  volume    = {24},
  issue     = {1},
  year      = {2024},
  publisher = {Zajednica biblioteka univerziteta u Srbiji, Beograd},
  url       = {https://arxiv.org/abs/2405.09250}
}