首页/数据集/14 million word corpus (.txt)

14 million word corpus (.txt)

kaggle2023-01-15 更新2024-03-07 收录

文本数据

语言分析

数据链接：

https://www.kaggle.com/datasets/luisgasparcordeiro/14-million-word-corpus-txt 数据链接链接失效反馈

官方服务：

资源简介：

Collection of news, reports and books in text format

应用场景：

创建时间：

2023-01-15

藏文

文本数据

--- dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 46558973496 num_examples: 209309183 - name: test num_bytes: 1629513756 num_example

Hugging Face2024-04-24 更新240

dgambettaphd/D_gen8_run1_llama2-7b_sciabs_doc1000_real32_synt96_vuw

文本数据

机器学习

该数据集包含1000个样本，每个样本有一个唯一的ID和对应的文档内容。数据集分为一个训练集，总大小为429457字节。下载大小为209087字节，数据集总大小为429457字节。默认配置下的数据文件路径为data/train-*。

Hugging Face2024-12-18 更新60

1817_AA00047511_TXT.zip

历史文献

文本数据

Extracted text of 1817 issues of Barbados Mercury in TXT format.

DataCite Commons2021-09-28 更新50

M1keR/pgbooks-nl

自然语言处理

文本数据

该数据集包含文本和token数量两个字段，提供了训练集划分，共有950个样本，数据集大小为347,428,673字节，下载大小为211,944,305字节。

Hugging Face2025-10-23 更新70

ngoc2018/twitter_dataset_1717631161

社交媒体分析

文本数据

--- dataset_info: features: - name: id dtype: string - name: tweet_content dtype: string - name: user_name dtype: string - name: user_id dtype: string - name: created_at

Hugging Face2024-06-05 更新50

14 million word corpus (.txt)

资源简介：

相关数据集