lorinma/PetrochemicalCorpora_CPTtest_200bks_zh
收藏Hugging Face2024-02-04 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/lorinma/PetrochemicalCorpora_CPTtest_200bks_zh
下载链接
链接失效反馈官方服务：
资源简介：
用于垂域（化工）LLM的增量预训练使用的语料，测试版。200本书，仅经过了OCR，没有进行任何数据清理，所以质量不高。尤其是涉及到复杂的表格和公式，以及这批书的扫描质量偏低。仅用于测试使用。
用于垂域（化工）LLM的增量预训练使用的语料，测试版。200本书，仅经过了OCR，没有进行任何数据清理，所以质量不高。尤其是涉及到复杂的表格和公式，以及这批书的扫描质量偏低。仅用于测试使用。
提供机构：
lorinma
原始信息汇总
数据集概述
数据集基本信息
- 任务类别：text-generation
- 语言：中文（zh）
- 数据集大小：10K<n<100K
数据集描述
- 用途：用于垂域（化工）LLM的增量预训练。
- 内容：包含200本书的文本，主要涉及化工领域的知识。
- 质量：数据未经清理，尤其是复杂的表格和公式处理不当，扫描质量较低。
- 使用限制：仅用于测试目的。
样例内容
- 样例1：涉及化工设备和管道的详细描述，包括安全设施、管道规格、仪表配置等。
- 样例2：关于化工物质的安全处理和中毒预防措施，如环氧乙烷和乙二醇的处理方法。
