oscar-ne-NP-512-cleaned

kaggle2024-02-14 更新2024-05-26 收录

下载链接：

https://www.kaggle.com/datasets/amardura/oscar-ne-np-512-cleaned

下载链接

链接失效反馈

官方服务：

资源简介：

创建时间：

2024-02-14

oscar-cleaned-256

该数据集是从neody/oscar-ja-cleaned中提取的，仅包含256个字符以下的文本。数据集的许可证是Apache 2.0，任务类别是文本生成，语言为日语。

Hugging Face2024-12-19 更新70

livinNector/ta-oscar-clean

--- dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 9286292818 num_examples: 556772 download_size: 3111108905 dataset_size: 9286292818 --- #

Hugging Face2023-04-13 更新40

ClementRomac/cleaned_deduplicated_oscar

--- dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 978937483730 num_examples: 232133013 - name: test num_bytes: 59798696914 num_examp

Hugging Face2023-10-25 更新60

Respair/Oscar_Persian_Cleaned

这是原始OSCAR 2301数据集的一部分，大约占原始数据集的1/6。这部分数据已经过进一步的清理和标准化处理，语言为波斯语。

Hugging Face2024-03-24 更新60

neody/oscar-ja-cleaned

该数据集是一个日语文本数据集，包含文本和特征两个主要字段。文本字段存储为字符串类型，特征字段存储为浮点数类型。数据集包含一个训练集，共有12,772,871个样本，总大小为5,783,063,135字节，下载大小为3,507,421,243字节。

Hugging Face2024-07-06 更新120