five

SemantikaEU/MaCoCu-sl-tokenized

收藏
Hugging Face2025-04-14 更新2025-11-15 收录
下载链接:
https://hf-mirror.com/datasets/SemantikaEU/MaCoCu-sl-tokenized
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集提供了斯洛文尼亚网络语料库MaCoCu的预分词版本,包括原始文本数据和元数据,并增加了由多种流行的大型语言模型分词器生成的token IDs和token计数。旨在通过提供即用型分词数据,方便机器学习框架的使用,节省计算资源。

This dataset provides a pre-tokenized version of the Slovene web corpus MaCoCu, including the original text data and metadata, augmented with token IDs and token counts generated by several popular large language model tokenizers. The goal is to facilitate research and experimentation by providing ready-to-use tokenized data, saving computational resources during repeated setups.
提供机构:
SemantikaEU
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作