zerostratos/vi-cc100-parquet-dataset

Name: zerostratos/vi-cc100-parquet-dataset
Creator: zerostratos
Published: 2025-08-30T01:11:26+08:00

Hugging Face2025-05-28 更新2025-08-30 收录

数据链接：

官方服务：

资源简介：

--- license: apache-2.0 ---

--- 许可证：Apache许可证2.0（Apache License 2.0） ---

提供机构：

该数据集包含文本内容和其他相关元数据，如唯一标识符、文件路径、语言等信息。数据集分为训练集，大小为28,108,974,065字节，共有5,000,000个示例。提供了默认配置，指定了训练数据的文件路径。

Hugging Face2025-08-28 更新140

这是一个包含文本、URL、日期、索引和域名的数据集，适用于训练模型进行文本分析等任务。数据集分为训练集，共有1666011个示例。

Hugging Face2025-07-05 更新120

这是一个包含文本数据的训练集，共有100万个示例，数据大小为约14.1GB。数据集提供了一个默认配置，用于指定训练数据的文件路径。

Hugging Face2025-08-11 更新100

该数据集包含了文本、标识符、URL、日期、文件路径等信息字段，并具有语言检测相关的特征，如语言类型、语言分数和语言脚本。此外，还包含了文本的聚类信息。数据集被分为训练集，其中包含了近300万条示例。数据集的总大小约为17GB。

Hugging Face2025-03-27 更新130

这是一个包含文本、时间戳和网址信息的数据集，共有约194万个样本，数据集大小约为7.95GB。数据集被划分为训练集，可通过默认配置访问训练集数据。

Hugging Face2025-02-23 更新120