140510-53 Fulgsø

B2FIND2026-04-30 收录

下载链接：

https://b2find.eudat.eu/dataset/3eae07af-fd4c-5be1-876f-a769990dc2a4

下载链接

链接失效反馈

官方服务：

资源简介：

This record describes ancient sites and monuments as well archaeological excavations undertaken by Danish museums. Excerpt of the Danish description of events: 1877 :...

本记录涵盖古代遗址与古迹，以及丹麦各博物馆开展的考古发掘工作。以下为丹麦语事件描述摘录：1877年：

fulg

FuLG数据集是一个全面的罗马尼亚语语料库，包含1500亿个词元，精心从Common Crawl中提取。这个庞大的数据集是通过对95个Common Crawl快照进行严格过滤和去重处理得到的，压缩后的数据集大小为289 GB。数据集包含多个字段，如源URL、下载日期、内容哈希、长度、行数、源域、文档标题、原始内容、CommonCrawl段、处理前的原始行数和长度、语言及语言得分。该数据集在ODC-

Hugging Face2024-07-19 更新20

fulg_urls

fulg_urls数据集提供了与faur-ai/fulg训练记录相关的URL和顶级域名。该数据集通过下载源数据，提取URL和顶级域名，并只保留记录标识符，使得研究人员和实践者能够探索这些训练数据集的内容，而不需要管理数TB的原始文本。

Hugging Face2025-05-15 更新30

nhagar/fulg_urls

fulg_urls数据集包含来源于[faur-ai/fulg](https://huggingface.co/datasets/faur-ai/fulg)数据集的URLs和顶级域名。该数据集通过下载源数据、提取URLs和顶级域名，并仅保留这些记录标识符而创建。这使得研究人员和实践者可以探索这些训练数据集的内容，而无需管理数TB的原始文本数据。

Hugging Face2025-05-15 更新40

FuLG

FuLG数据集由布加勒斯特理工大学开发，是一个包含1560亿个token的罗马尼亚语预训练语料库。该数据集从CommonCrawl中提取，经过去重和内容过滤等处理步骤，确保数据质量和多样性。创建过程包括使用FastText进行语言识别和CCNet进行数据处理。FuLG主要用于提升罗马尼亚语在大型语言模型中的表现，解决该语言在现有模型中代表性不足的问题。

arXiv2024-07-19 更新400

faur-ai/fulg

FuLG数据集是一个包含1500亿个标记的罗马尼亚语语料库，这些数据是从Common Crawl中提取并经过严格过滤和去重处理的。该数据集经过95个Common Crawl快照的筛选和去重，压缩后的数据集大小为289 GB。数据集包含多个字段，如URL、下载日期、内容摘要、内容长度、行数、文档域名、文档标题、原始内容文本、CommonCrawl段、原始行数、原始长度、语言和语言评分。

Hugging Face2024-08-15 更新130