zhwiki-cleaned
收藏kaggle2023-03-30 更新2024-05-31 收录
下载链接：
https://www.kaggle.com/datasets/a24998667/zhwiki-cleaned
下载链接
链接失效反馈官方服务：
资源简介：
应用场景：
创建时间：
2023-03-30
相关数据集
wzy816/zhwiki_20230701
该数据集是基于zhwiki-20230701-pages-articles-multistream.xml.bz2清洗的训练语料，仅包含中文、英文、标点符号、数字等常规字符，已清理表格、列表说明等无效内容，并进行了normalize处理。示例内容包括地理和历史人物的详细描述。
Hugging Face2023-08-24 更新330
Jax-dan/zhwiki-latest
该数据集为最新的中文维基百科语料库，包含了中文维基百科的文章数据。用户可以通过提供的脚本将数据转换为不同的格式，以满足不同的需求。
Hugging Face2025-09-06 更新40
HANTIFARAH/Cleaned_NLP_dataset_Cleaned
该数据集包含两个主要字段：darija和english，均为字符串类型。数据集被分割为训练集（train），包含94,783个例子，数据大小为11,319,211字节。数据集的下载大小为6,305,470字节。默认配置下的数据文件路径为data/train-*。
Hugging Face2024-12-14 更新60
Chinese Wikipedia corpus dataset: zhwiki520
kaggle2023-09-26 更新10
To clean or not to clean: cleaning mutualism breakdown in a tidal environment
The dynamics and prevalence of mutualistic interactions, which are responsible for the maintenance and structuring of all ecological communities, are vulnerable to changes in abiotic and biotic enviro
NIAID Data Ecosystem50
