srwac
收藏官方服务：
资源简介：
SrWac主要面向塞尔维亚语，通过爬取.rs顶级域名构建，数据规模接近17GB。它主要用于文本生成和Masked Language Modeling任务，并采用CC-BY-SA 3.0授权许可。该语料库经过段落级别的去重、变音符号恢复标准化，以及词性标注和词形还原，每个段落包含URL、域名和语言识别（塞尔维亚语与克罗地亚语）的元数据。
创建时间：
2024-07-19
社区交流群
科研交流群
商业服务
SrWac主要面向塞尔维亚语，通过爬取.rs顶级域名构建，数据规模接近17GB。它主要用于文本生成和Masked Language Modeling任务，并采用CC-BY-SA 3.0授权许可。该语料库经过段落级别的去重、变音符号恢复标准化，以及词性标注和词形还原，每个段落包含URL、域名和语言识别（塞尔维亚语与克罗地亚语）的元数据。