遇见数据集

opendatalab/WanJuan-Arabic

收藏
Hugging Face2025-04-22 更新2025-04-08 收录
官方服务:

资源简介:

万卷丝路-阿拉伯语语料库是一个超过220GB的大型语料库,包含7个主要类别和34个子类别,内容涵盖历史、政治、文化、房地产、购物、天气、餐饮、百科全书和专业知识等多个方面。适合用于低资源语言的高质量开源网络文本数据集。

WanJuan-Arabic corpus is a large-scale dataset exceeding 220GB, comprising 7 major categories and 34 subcategories, covering various aspects such as history, politics, culture, real estate, shopping, weather, dining, encyclopedias, and professional knowledge. It is a high-quality open-source webtext dataset suitable for low-resource languages.

提供机构:
opendatalab
二维码
社区交流群
二维码
科研交流群
商业服务