vislupus/alpaca-bulgarian-jokes

Bulgarian Jokes Dataset

Overview

The Bulgarian Jokes Dataset is a collection of Bulgarian-language jokes gathered and prepared for use in training and fine-tuning natural language processing (NLP) models. This dataset is designed to help researchers and developers build models capable of understanding and generating humorous content in Bulgarian.

Dataset Structure

The dataset is structured in a format suitable for NLP training and fine-tuning tasks, such as the Alpaca format. Each data entry contains fields that provide instructions, input, and expected output to facilitate supervised training of language models.

Examples

{
  "instruction": "хуморески за Уиски",
  "input": "",
  "output": "Времената на сухия режим в САЩ.\r\nЖител на Ню Йорк отишъл в Тексас и попитал един местен жител:\r\n- Как я карате в тия тежки времена?\r\nОня отговорил:\r\n- В законите на нашия щат има една пролука. Имаш право да пиеш алкохол, само ако те ухапе гърмяща змия. Затова, за всеки случай всеки от нас носи в десния си джоб - бутилка уиски.\r\nНюйоркчанинът изтъкнал:\r\n- Но до такъв инцидент - може никога да не се стигне!\r\nТексасецът кимнал:\r\n- Точно така! Затова, всеки от нас носи в левия си джоб - една гърмяща змия!"
},
{
  "instruction": "вицове за Знаете ли защо",
  "input": "",
  "output": "Знаете ли защо Нико Тупарев е кръстил новата си фиврма 24/7? Защото накой му е казал, че 24/7 е повече от 7/8 на Слави Трифонов."
},

Features

• Language: Bulgarian
• Categories: 599 categories covering a wide range of themes and topics
• Format: Suitable for training in Alpaca-like supervised formats

Usage

This dataset can be used for various NLP tasks, including:

• Training and fine-tuning large language models (LLMs) to generate jokes in Bulgarian.
• Evaluating the performance of language models in humor generation and understanding.
• Creating NLP applications that require humorous content processing or generation.

Sources

The jokes in this dataset are collected from various sources such as humor websites, user-submitted content, and other public domain materials. Each entry was curated to ensure quality and diversity.