找到1个数据集

分类: 公开数据 标签: 四亿词

过滤结果

  • 加泰罗尼亚通用网络爬取语料库2020

    2025年12月4日 30 7 2

    数据集概述 该数据集是加泰罗尼亚语文本语料库的子库，通过爬取2020年7月最受欢迎的500个.cat和.ad域名获取，包含约四亿三千五百万个词、一千九百四十五万余句和一百零一万六千余篇文档，文档以单行新行分隔，用于语言学或自然语言处理研究。 文件详解 文件名称: catalan_general_crawling.zip 文件格式: ZIP（.zip）...
    packageimg