Cleaned Polish Oscar corpus (128M lines)

B2FIND2026-04-29 收录

波斯语文本处理

语言模型训练

数据链接：

https://b2find.eudat.eu/dataset/606076ab-6998-51f0-9171-3c0c22f9339e 数据链接链接失效反馈

官方服务：

资源简介：

Cleaned Polish Oscar corpus (part: 128M lines, 3.53 GB). Data was prepared with a few cleaning heuristics: - remove sentences shorter than - remove non-polish sentences...

清洗后的波兰语Oscar语料库（子集规模：1.28亿行，3.53吉字节）。该数据集通过若干清洗启发式规则完成预处理：- 移除长度不足指定阈值（原文此处缺失具体参数）的语句；- 移除非波兰语语句……

Cleaned Polish Oscar corpus (128M lines)

资源简介：

相关数据集