gbenson/webui-tokens-unlabelled

WebUI tokens (unlabelled)数据集包含来自gbenson/webui-dom-snapshots的超过5个字符的token。该数据集主要用于文本分类任务，87%的源数据来自英文网站，非ASCII字符被转换为视觉上相似的ASCII字符。数据集由Gary Benson整理，采用CC0 1.0 Universal许可证，主要用于开发一个DOM-aware tokenizer用于HTML处理。WebUI tokens (unlabelled)数据集包含来自gbenson/webui-dom-snapshots的超过5个字符的token。该数据集主要用于文本分类任务，87%的源数据来自英文网站，非ASCII字符被转换为视觉上相似的ASCII字符。数据集由Gary Benson整理，采用CC0 1.0 Universal许可证，主要用于开发一个DOM-aware tokenizer用于HTML处理。