textcleanlm/med-domain-5b
收藏Hugging Face2025-10-13 更新2025-10-25 收录
下载链接：
https://hf-mirror.com/datasets/textcleanlm/med-domain-5b
下载链接
链接失效反馈官方服务：
资源简介：
这是一个包含文本数据的训练集，数据集中的每个样本都包括一个唯一的标识符、文本内容以及元数据信息，如URL、来源域名等。此外，每个样本还包含了丰富的质量信号特征、fasttext向量表示以及eai_taxonomy分类信息。数据集总共包含超过400万个样本，大小约为60亿字节。
This is a training set containing text data, where each sample includes a unique identifier, text content, and metadata information such as URL and source domain. In addition, each sample also contains rich quality signal features, fasttext vector representations, and eai_taxonomy classification information. The dataset contains a total of over 4 million samples, with a size of approximately 6 billion bytes.
提供机构：
textcleanlm
