hatakeyama-llm-team/CommonCrawlPDFJa

---
language:
- ja
license: odc-by
---

# Data extracted from [CommonCrawlPDF](https://corp.digitalcorpora.org/corpora/files/CC-MAIN-2021-31-PDF-UNTRUNCATED/)
- Japanese domain
- Code is [here](https://github.com/hatakeyama-llm-team/CommonCrawlPDF/tree/main)
-

原始信息汇总

数据集概述

数据来源

• 数据提取自 CommonCrawlPDF。

语言

• 数据集语言为日语（ja）。

许可证

• 数据集遵循 ODC-BY 许可证。

代码位置

• 相关代码存放在 GitHub。