textcleanlm/textclean-2B-raw-sample
收藏官方服务：
资源简介：
该数据集是一个文本数据集，包含了文本的ID、文本内容、元数据（如URL、来源域名、Warc相关信息等）、质量信号、FastText特征、eai_taxonomy分类信息等。数据集被划分为训练集，共包含100个文本示例。
This dataset is a collection of text data, including text ID, text content, metadata (such as URL, source domain, Warc-related information, etc.), quality signals, FastText features, eai_taxonomy classification information, etc. The dataset is divided into a training set, containing a total of 100 text examples.
提供机构：
textcleanlm
