CoWeSe (Corpus Web Salud Espanol)
收藏官方服务：
资源简介：
CoWeSe 是一个西班牙生物医学语料库，由 4.5GB（约 7.5 亿个令牌）的干净纯文本组成。 CoWeSe 是 2020 年在 3000 个西班牙域名上执行的大规模爬虫的结果。
CoWeSe is a Spanish biomedical corpus consisting of 4.5 GB (approximately 750 million tokens) of clean plain text. It is the result of a large-scale web crawl conducted across 3000 Spanish domain names in 2020.
提供机构：
OpenDataLab创建时间：
2022-05-23
搜集汇总
数据集介绍
背景与挑战
背景概述
CoWeSe 是一个西班牙生物医学语料库，包含4.5GB的干净纯文本，约7.5亿个令牌，基于2020年在3000个西班牙域名上的大规模爬虫构建。该数据集由巴塞罗那超级计算中心于2021年2月25日发布，旨在支持西班牙生物医学语言模型的研究。
以上内容由遇见数据集搜集并总结生成
