Uzbek 65 million web corpus
收藏官方服务：
资源简介：
A contemporary web corpus gathered in 2026. The corpus contains approximately 60 million tokens. Name of the corpus Number of tokens Number of sentences Wikipedia resource 27711575 2481232 Web resources 33169827 2389912 School Corpus 1408830 154239
本数据集为2026年采集的现代网络语料库（web corpus），总计包含约6000万Token。该语料库的细分构成及对应指标如下： | 语料库名称 | Token 数量 | 句子数量 | | :-------- | :-------- | :------- | | 维基百科资源（Wikipedia resource） | 27711575 | 2481232 | | 网络资源（Web resources） | 33169827 | 2389912 | | 学校语料库（School Corpus） | 1408830 | 154239 |
提供机构：
Zenodo创建时间：
2026-04-07
