twi_text_c3

Twi Text C3 旨在为低资源语言Twi语提供资源，它从网络上多个来源（如圣经、JW300、维基百科等）收集了包含675772个样本的文本数据，用于训练词嵌入和语言模型。数据集中既包含干净的文本，也包含带有不正确拼写和混合方言的嘈杂文本。该数据集基于CC-BY-NC 4.0协议发布，但由于包含JW300和圣经，可能存在宗教领域的偏见。