C4Corpus (CC BY-NC-ND part)
收藏B2FIND2026-04-25 收录
下载链接：
https://b2find.eudat.eu/dataset/af2f9e70-b077-5132-8bf8-b090f5ffafa7
下载链接
链接失效反馈官方服务：
资源简介：
A large web corpus (over 10 billion tokens) licensed under CreativeCommons license family in 50+ languages that has been extracted from CommonCrawl, the largest publicly...
该数据集为规模庞大的网络语料库，词元（Token）总数量超过100亿，采用知识共享（Creative Commons）许可协议家族授权，覆盖50余种语言，数据提取自全球规模最大的公开公共爬虫（Common Crawl）数据集，
