BillionWordBenchmark
收藏官方服务：
资源简介：
十亿字数据集是用于语言建模的数据集。训练/保留数据是使用 Bash shell 和 Perl 脚本的组合从 WMT 2011 News Crawl 数据生成的。
The 1-billion-word dataset is a corpus designed for language modeling. The training and holdout data were generated from the WMT 2011 News Crawl data using a combination of Bash shell and Perl scripts.
提供机构：
OpenDataLab创建时间：
2022-06-28
搜集汇总
数据集介绍
背景与挑战
背景概述
BillionWordBenchmark是一个用于语言建模的十亿字数据集，其训练和保留数据源自WMT 2011 News Crawl，并通过Bash和Perl脚本生成。该数据集由Google于2013年发布，旨在为统计语言模型提供基准测试。
以上内容由遇见数据集搜集并总结生成
