dominguesm/CC-MAIN-2023-23

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
dataset_info:
features:
- name: text
dtype: string
- name: url
dtype: string
- name: crawl_timestamp
dtype: timestamp[ns, tz=UTC]
splits:
- name: train
num_bytes: 97584560119
num_examples: 16899389
download_size: 18490153155
dataset_size: 97584560119
license: cc-by-4.0
task_categories:
- text-generation
- fill-mask
language:
- pt
pretty_name: CC-MAIN-2023-23-PT
size_categories:
- 10B<n<100B
---
# Dataset Card for "CC-MAIN-2023-23"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

基本信息

• 数据集名称: CC-MAIN-2023-23-PT
• 许可证: cc-by-4.0
• 语言: 葡萄牙语 (pt)
• 任务类别:
  • 文本生成
  • 填充掩码
• 大小类别: 10B<n<100B

数据配置

• 配置名称: default
• 数据文件:
  • 分割: train
  • 路径: data/train-*

数据集信息

• 特征:
  • 名称: text
    • 数据类型: string
  • 名称: url
    • 数据类型: string
  • 名称: crawl_timestamp
    • 数据类型: timestamp[ns, tz=UTC]
• 分割:
  • 名称: train
    • 字节数: 97584560119
    • 样本数: 16899389
• 下载大小: 18490153155
• 数据集大小: 97584560119