lang-uk/malyuk
收藏Hugging Face2025-03-13 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/lang-uk/malyuk
下载链接
链接失效反馈官方服务：
资源简介：
Malyuk是一个乌克兰语的文本数据集，包含超过100亿字符，但少于1000亿字符。数据集由UberText 2.0、Oscar和Ukrainian News三个子数据集组合而成，总共有113GB的文本数据，包含38941863篇文章。数据集的目的是为了简化乌克兰语言的大型语言模型（LLM）的训练。
提供机构：
lang-uk
原始信息汇总
数据集概述
数据集名称
Malyuk
数据集语言
乌克兰语（uk）
数据集大小
- 数据量：113GB
- 文章数量：38,941,863篇
数据集组成
- UberText 2.0
- Oscar
- Ukrainian News
数据格式
文本格式：jsonl
数据集用途
用于简化乌克兰语言大型模型（LLM）的训练。
