kothasuhas/dclm-baseline-1.0_subset_30M
收藏Hugging Face2025-01-05 更新2025-02-15 收录
下载链接：
https://hf-mirror.com/datasets/kothasuhas/dclm-baseline-1.0_subset_30M
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是一个包含网页文本和相关元数据的大型文本数据集，适用于语言处理相关的任务，如文本分类、语言识别等。数据集包含约3000万个训练样本。
This dataset is a large-scale text dataset containing web page texts and associated metadata, suitable for language processing tasks such as text classification, language identification, etc. The dataset includes approximately 30 million training samples.
提供机构：
kothasuhas
