cawac

参考：

使用以下命令在 TFDS 中加载此数据集：

ds = tfds.load('huggingface:cawac')
  • 说明：
caWaC is a 780-million-token web corpus of Catalan built from the .cat top-level-domain in late 2013.
  • 许可：CC BY-SA 3.0
  • 版本：0.0.0
  • 拆分：
拆分 样本
'train' 24745986
  • 特征：
{
    "sentence": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}