首页/数据集/Pretraining data of BERT

Pretraining data of BERT

NIAID Data Ecosystem2026-05-02 收录

自然语言处理预训练

BERT模型

数据链接：

https://zenodo.org/record/12155710 数据链接链接失效反馈

官方服务：

资源简介：

This is a private repository for the pretraining data of BERT.

应用场景：

创建时间：

2024-06-19

自然语言处理

BERT模型

--- dataset_info: features: - name: input_ids sequence: int32 - name: attention_mask sequence: int8 splits: - name: train num_bytes: 1295254968 num_examples: 126391 - name:

Hugging Face2024-03-22 更新130

gokuls/wiki_book_corpus_processed_bert_dataset_small

自然语言处理

BERT模型

--- dataset_info: features: - name: input_ids sequence: int32 - name: token_type_ids sequence: int8 - name: attention_mask sequence: int8 - name: special_tokens_mask sequence

Hugging Face2023-02-25 更新90

Tensorflow Hub BERT - bert_en_uncased

自然语言处理

BERT模型

BERT trained model and preprocessor for uncase English from Tensorflow Hub

kaggle2022-08-21 更新70

orafandina/wiki_long_200k

自然语言处理

BERT模型

该数据集包含约20万篇维基文章，这些文章是从维基数据集中随机抽取的。文章使用了AutoTokenizer.from_pretrained(bert-base-uncased)进行分词处理。数据集创建的目的是用于研究。

Hugging Face2023-10-23 更新100

AlexSham/DaNetQA_for_BERT