five

alwaysgood/sec-10k-pre-processed

收藏
Hugging Face2026-04-30 更新2026-05-03 收录
下载链接:
https://hf-mirror.com/datasets/alwaysgood/sec-10k-pre-processed
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集包含经过预处理的SEC 10-K英文文本,提供了句子、块和段落级别的文件,适用于翻译相关任务。数据集来源于PleIAs/SEC,经过清理、过滤和去重处理,生成了四个文件:sentence_track.jsonl、chunk_track.jsonl、paragraph_track.jsonl和translation_dataset.jsonl。数据集详细描述了各文件的列信息、推荐加载方式以及去重处理的两个阶段。

This dataset contains pre-processed SEC 10-K English text with sentence/chunk/paragraph files for translation-oriented use. The dataset is derived from PleIAs/SEC, with cleaning, filtering, and deduplication applied, resulting in four files: sentence_track.jsonl, chunk_track.jsonl, paragraph_track.jsonl, and translation_dataset.jsonl. The dataset provides detailed column information, recommended loading methods, and a two-stage deduplication process.
提供机构:
alwaysgood
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