82 Million Cantonese Script Data

该数据集名为Nexdata/Cantonese_Script_Data，包含8200万条粤语文本数据。这些数据来源于粤语脚本文本，适用于自然语言理解和知识库构建等任务。数据收集于2015年，存储格式为txt，语言为粤语，且该数据集采用商业许可。