zetavg/CC-100-zh-Hant
收藏Hugging Face2023-05-06 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/zetavg/CC-100-zh-Hant
下载链接
链接失效反馈官方服务：
资源简介：
CC-100 zh-Hant（繁体中文）数据集是从https://data.statmt.org/cc-100/获取的繁体中文数据，每行作为一个数据行。使用`bigscience/bloom`分词器进行分词时，预计会有约40亿个标记。该数据集还有一个版本，文本是按段落而不是按行分割的：`zetavg/CC-100-zh-Hant-merged`。
提供机构：
zetavg
原始信息汇总
数据集概述
基本信息
- 名称: CC-100 zh-Hant (Traditional Chinese)
- 语言: 中文（繁体）
- 数据结构: 每行作为一个数据记录
数据特征
- 特征名称: line
- 数据类型: string
数据分割
- 训练集:
- 数据量: 85165683条记录
- 存储大小: 18198166302字节
数据大小
- 下载大小: 13296002208字节
- 数据集大小: 18198166302字节
任务类别
- 文本生成
搜集汇总
数据集介绍
以上内容由遇见数据集搜集并总结生成
