Datasets
Dataset
odia-text-corpus
by abhilash88
Odia Text Corpus Dataset Description This is a comprehensive Odia language text corpus designed for training language models, text generation, and various NLP tasks in Odia (ଓଡ଼ିଆ). The dataset contains high-quality Odia text from multiple sources, providin…
CC-BY-4.0text-generation 58 1100K < n < 1M rows
published 10 Jul 2025
Preview
First 5 rows of default / train, from the Hugging Face dataset viewer.
| id | text | char_count | word_count | source_file | dataset_type | format |
|---|---|---|---|---|---|---|
| train_text_290000 | <|begin_of_text|>[INST] ଏହି ଖବର ପାଇଁ ଉପଯୁକ୍ତ ଶୀର୍ଷକ ଦିଅନ୍ତୁ: କନକ ବ୍ୟୁରୋ : ୧୭ ବର୍ଷରେ ନକ୍ସଲଙ୍କ ଆକ୍ରମଣ । ଟାର୍ଗେଟରେ ଫେବ୍ରୁଆରୀରୁ ମେ । ୨୦୦୬ରେ ଏରାବୋର କ୍ୟାମ୍ପ ଉପରେ ଆକ୍ରମଣ ୩୫ ଆଦିବାସୀ ନିହତ ହୋଇଥିଲେ । ୨୦୦୬ ରେ ସାଲୱା ଜୁଡୁମ ରାଲିରୁ ଗ୍ରାମବାସୀଙ୍କୁ ନେଇ ଯାଉଥିବା ଏକ ଟ୍ରକ ବିସ୍ଫୋରଣ ହେବାରୁ ୨୫ ଜଣଙ୍କର ମୃତ୍ୟୁ ଘଟିଥିଲା । ୨୦୦୬ର… | 2078 | 324 | odia_train.jsonl | train_text | text |
| train_text_290001 | <|begin_of_text|>[INST] ଏହି ସମ୍ବାଦର ଶୀର୍ଷକ କ'ଣ ହେବା ଉଚିତ? ମୁଣ୍ଡ ବୁଲାଇବା, ହାଲିଆ ଲାଗିବା, ବସିବା ଜାଗାରୁ ହଠାତ୍ ଉଠିପଡ଼ିଲେ ଅନ୍ଧାର ଦିଶିବା ଆଦି ନିମ୍ନ ରକ୍ତଚାପର ଲକ୍ଷଣ। ଅଧିକାଂଶ ଲୋକ ଏଥିରେ ପୀଡିତ । ହେଲେ ଏଥିରେ ଭୟ ହେବାର କୌଣସି କାରଣ ନାହିଁ । କାରଣ ସାବଧାନତା ଅବଲମ୍ବନ କଲେ ଏଥିରୁ ମୁକ୍ତି ମିଳିପାରିବ । ଏବେ ଜାଣନ୍ତୁ ଘରୋଇ ଉପଚାର ଦ୍ୱ… | 977 | 154 | odia_train.jsonl | train_text | text |
| train_text_290002 | <|begin_of_text|>[INST] ଦିଆଯାଇଥିବା ତଥ୍ୟ ଅନୁସାରେ ଉତ୍ତର କରନ୍ତୁ: ପ୍ରଶ୍ନ: ଏହି ଖବରର ମୁଖ୍ୟ ବିଷୟ କ'ଣ? ସମ୍ବାଦ: ବିଜେଡିର ୫- ବି ଦ୍ୱନ୍ଦ୍ୱ । ରାଜ୍ୟରେ ୨୧ଟି ଲୋକସଭା ଆସନ ମଧ୍ୟରୁ ୧୫ଟି ଆସନରେ ବିଜେଡି ପ୍ରାର୍ଥୀ ଘୋଷଣା କରିଥିଲେ ବି ବାକି ୬ଟି ଆସନରେ ଏ ଯାଏଁ ପ୍ରାର୍ଥୀ ଘୋଷଣା ହୋଇନାହିଁ । ବ୍ରହ୍ମପୁର, ବଲାଙ୍ଗୀର, ଭଦ୍ରକ, ବାଲେଶ୍ୱର ଓ ବରଗଡ ଲୋ… | 2122 | 327 | odia_train.jsonl | train_text | text |
| train_text_290003 | <|begin_of_text|>[INST] ଏହି ସମ୍ବାଦର ଶୀର୍ଷକ କ'ଣ ହେବା ଉଚିତ? କନକ ବ୍ୟୁରୋ : ଲଘୁଚାପ ପ୍ରଭାବରେ ରାଜ୍ୟରେ ବର୍ଷା ଜାରି । ପାଣିପାଗ କେନ୍ଦ୍ର ପକ୍ଷରୁ ୪ଜିଲ୍ଲାକୁ ରେଡ୍ ୱାର୍ଣ୍ଣିଂ ଜାରି । ବରଗଡ, ସମ୍ବଲପୁର, ଅନୁଗୁଳ ଏବଂ କେନ୍ଦୁଝର ଜିଲ୍ଲାକୁ ଆଲର୍ଟ ଜାରି କରାଯାଇଛି । ୪ଜିଲ୍ଲାର କିଛି ସ୍ଥାନରେ ପ୍ରବଳରୁ ଅତି ପ୍ରବଳ ବର୍ଷା ଆଶଙ୍କା ରହିଛି । ଗୋଟିଏ ଦ… | 2281 | 340 | odia_train.jsonl | train_text | text |
| train_text_290004 | <|begin_of_text|>[INST] ଦିଆଯାଇଥିବା ତଥ୍ୟ ଅନୁସାରେ ଉତ୍ତର କରନ୍ତୁ: ପ୍ରଶ୍ନ: ଏହି ଖବରର ମୁଖ୍ୟ ବିଷୟ କ'ଣ? ସମ୍ବାଦ: କନକ ବ୍ୟୁରୋ : ପଥର ଓ କାଠରେ ତିଆରି ଅନେକ ଘର ଆପଣ ଦେଖିଥିବେ । ହେଲେ ପ୍ଲାଷ୍ଟିକର ବୋତଲରେ କେବେ ଘର ହେବାର ଦେଖିନଥିବେ । କିନ୍ତୁ ପନାମା ନାମକ ଏକ ଦେଶରେ ଖୁବ୍ ଶୀଘ୍ର ଏମିତି ସବୁ ଘର ଦେଖିବାକୁ ମିଳିବ । ଯେଉଁଠି ଏକ ଗାଁ ଅଛି ,ସବୁ … | 1129 | 194 | odia_train.jsonl | train_text | text |
Cite this
CC-BY-4.0tabulartextCite
Tags
task_categories:text-generationtask_categories:fill-masktask_categories:text-classificationlanguage:orlicense:cc-by-4.0size_categories:100K<n<1Mformat:parquetmodality:tabularmodality:textlibrary:datasetslibrary:dasklibrary:mlcroissantlibrary:polarsregion:usodiatext-corpusindian-languagesnlplanguage-modelingtext-generation