raco_forums

Racó Forums语料库是一个加泰罗尼亚语用户生成文本的语料库，包含1900万个句子，来源于Racó Català论坛。该语料库主要用于预训练语言模型和词表示，并提供训练集和验证集。数据经过结构化处理和匿名化，移除了用户名和邮箱，替换为随机的加泰罗尼亚语名字。该语料库基于CC-BY-NC 4.0协议授权，由巴塞罗那超级计算中心（BSC）的文本挖掘单元（TeMU）维护，并由加泰罗尼亚政府的Vicepresidència i de Polítiques Digitals i Territori部门在Projecte AINA框架内资助。