GlotCC V1
Открытый датасет «GlotCC V1» от cis-lmu. Лицензия CC0. Файлы остаются у источника.
Dataset Summary GlotCC-V1.0 is a document-level, general domain dataset derived from CommonCrawl, covering more than 1000 languages.It is built using the GlotLID language identification and Ungoliant pipeline from CommonCrawl.We release our pipeline as open-source at https://github.com/cisnlp/GlotCC. List of Languages: See https://datasets-server.huggingface.co/splits?dataset=cis-lmu/GlotCC-V1 to get the list of splits available. Usage (Huggingface Hub --… Карточка открытого датасета. Файлы на площадку не копируются. Автор: cis-lmu. Лицензия: CC0.
Состав
- Тип
- Таблица
- Форматы
- ZIP
- Строки
- —
- Часы
- —
- Объём
- —
- ПДн в карточке
- ПДн нет
- Язык
- ru
- География
- русский
Образец
Текстового образца нет. Для открытого набора файл лежит у источника.
Автор: cis-lmu. Источник: https://huggingface.co/datasets/cis-lmu/GlotCC-V1. Лицензия: CC0 (https://huggingface.co/datasets/cis-lmu/GlotCC-V1).
Площадка является информационным посредником (ст. 1253.1 ГК РФ). Ответственность за законность данных несёт продавец. Сообщить о нарушении