Vietnamese Curated Dataset

kaggle2025-01-26 更新2025-02-23 收录

下载链接：

https://www.kaggle.com/datasets/ndy001/vietnamese-curated-dataset-2

下载链接

链接失效反馈

官方服务：

资源简介：

Vietnamese Curated Text Dataset

创建时间：

2025-01-26

vietnamese_curated_dataset

### Dataset Description Vietnamese Curated Text Dataset. This dataset is collected from multiple open Vietnamese datasets, and curated with [NeMo Curator](https://github.com/NVIDIA/NeMo-Curator) - *

魔搭社区2025-11-12 更新70

nbdaaa/vietnamese_curated_tokenized_dataset

--- dataset_info: features: - name: input_ids list: int32 - name: attention_mask list: int8 splits: - name: train num_bytes: 51062776945 num_examples: 10000000 download_siz

Hugging Face2026-01-09 更新50

wanderer2k1/vietnamese_curated_texts

该数据集包含文本、ID和领域三个特征，所有特征的数据类型均为字符串。数据集主要包含一个训练分割，共有12,169,131个样本，总数据大小为65,506,190,827字节。

Hugging Face2024-09-22 更新110

VTSNLP/vietnamese_curated_dataset

越南语精选文本数据集。该数据集从多个公开的越南语数据集中收集，并使用NeMo Curator进行整理。数据集由Viettel Solutions开发，语言为越南语。数据集的收集来源包括C4数据集的越南语子集、OSCAR数据集的越南语子集、越南语维基百科文章以及Binhvq的越南语新闻语料库。预处理步骤包括Unicode重新格式化、精确去重、质量过滤、启发式过滤和基于分类器的过滤。

Hugging Face2024-11-24 更新130

VTSNLP-vietnamese-curated-1M

该数据集包含1,000,000个示例，来源于https://huggingface.co/datasets/VTSNLP/vietnamese_curated_dataset。数据集的特征包括文本、ID和领域，数据集大小为5,317,733,201字节，下载大小为2,811,650,936字节。数据集主要用于文本生成任务，语言为越南语。

Hugging Face2024-12-23 更新1050