five

multilingual_cc_news

收藏
魔搭社区2025-12-05 更新2025-02-15 收录
下载链接:
https://modelscope.cn/datasets/intfloat/multilingual_cc_news
下载链接
链接失效反馈
官方服务:
资源简介:
### Dataset Summary This dataset is based on [CloverSearch/cc-news-mutlilingual](https://huggingface.co/datasets/CloverSearch/cc-news-mutlilingual). We add a script to support access multilingual CC-News dataset with HuggingFace datasets API instead of directly downloading raw data files. ### Data Fields - `title`: a `string` feature. - `maintext`: a `string` feature. - `url`: a `string` feature. - `date_publish`: a `string` feature. ### How to use this dataset You can load any subset of CC-News per language: ```python from datasets import load_dataset dataset = load_dataset("intfloat/multilingual_cc_news", languages=["af"]) ``` ## Supported Languages ``` af als am an ar arz as ast av az azb ba bar bcl be bg bh bn bo bpy br bs bxr ca cbk ce ceb ckb co cs cv cy da de diq dsb dty dv el eml en eo es et eu fa fi fr fy ga gd gl gn gom gu gv he hi hif hr hsb ht hu hy ia id ie ilo io is it ja jbo jv ka kk km kn ko krc ku kv kw ky la lb lez li lmo lo lt lv mai mg mhr min mk ml mn mr mrj ms mt mwl my myv mzn nah nap nds ne new nl nn no oc or os pa pam pfl pl pms pnb ps pt qu rm ro ru sa sah sc scn sco sd sh si sk sl so sq sr su sv sw ta te tg th tk tl tr tt tyv ug uk ur uz vec vep vi vls vo wa war wuu xal xmf yi yo yue zh ```

### 数据集概述 本数据集基于[CloverSearch/cc-news-multilingual](https://huggingface.co/datasets/CloverSearch/cc-news-mutlilingual)。我们新增了配套脚本,以支持通过Hugging Face 数据集API访问多语言CC-News数据集,无需直接下载原始数据文件。 ### 数据字段 - `title`:字符串类型特征 - `maintext`:字符串类型特征 - `url`:字符串类型特征 - `date_publish`:字符串类型特征 ### 数据集使用方法 你可按语言加载CC-News的任意子集: python from datasets import load_dataset dataset = load_dataset("intfloat/multilingual_cc_news", languages=["af"]) ### 支持语言 af als am an ar arz as ast av az azb ba bar bcl be bg bh bn bo bpy br bs bxr ca cbk ce ceb ckb co cs cv cy da de diq dsb dty dv el eml en eo es et eu fa fi fr fy ga gd gl gn gom gu gv he hi hif hr hsb ht hu hy ia id ie ilo io is it ja jbo jv ka kk km kn ko krc ku kv kw ky la lb lez li lmo lo lt lv mai mg mhr min mk ml mn mr mrj ms mt mwl my myv mzn nah nap nds ne new nl nn no oc or os pa pam pfl pl pms pnb ps pt qu rm ro ru sa sah sc scn sco sd sh si sk sl so sq sr su sv sw ta te tg th tk tl tr tt tyv ug uk ur uz vec vep vi vls vo wa war wuu xal xmf yi yo yue zh
提供机构:
maas
创建时间:
2025-02-12
搜集汇总
数据集介绍
main_image_url
背景与挑战
背景概述
该数据集基于CloverSearch/cc-news-multilingual,通过添加脚本支持使用HuggingFace datasets API便捷访问多语言CC-News新闻数据。它包含标题、正文、URL和发布日期等字段,并支持按语言代码加载特定子集,涵盖多种语言。
以上内容由遇见数据集搜集并总结生成
二维码
社区交流群
二维码
科研交流群
商业服务