malaysia-ai/pretrain-text-dataset
收藏Hugging Face2025-08-19 更新2025-07-05 收录
下载链接：
https://hf-mirror.com/datasets/malaysia-ai/pretrain-text-dataset
下载链接
链接失效反馈官方服务：
资源简介：
这是一个包含马来西亚文本的数据集，涵盖马来语、英语、中文和泰米尔语四种语言。该数据集由马来西亚AI志愿者通过爬取马来西亚网站而收集，总大小约为250GB，并且已经完成了去重处理。
This dataset is a collection of Malaysian texts in Malay, English, Chinese, and Tamil languages, gathered by Malaysia AI volunteers through web crawling of Malaysian websites. The dataset amounts to approximately 250 GB of text data, and has undergone a deduplication process.
提供机构：
malaysia-ai
