BlossomsAI/vietnamese-corpus
收藏Hugging Face2024-12-17 更新2025-02-15 收录
下载链接：
https://hf-mirror.com/datasets/BlossomsAI/vietnamese-corpus
下载链接
链接失效反馈官方服务：
资源简介：
越南综合语料库，包含超过1500万份文档，其中包括维基百科文章、新闻文章和文本文件。数据集使用Apache Spark进行处理，对文本进行了清理，包括HTML特殊字符移除、空格标准化、URL移除和空文档过滤。每个文档都包含文档内容和来源信息。
Vietnamese Combined Corpus containing over 15 million documents, which include Wikipedia articles, news articles, and text documents. The dataset has been processed using Apache Spark with text cleaning steps such as HTML/special character removal, whitespace normalization, URL removal, and empty document filtering. Each document includes content and source information.
提供机构：
BlossomsAI
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
