发布 subset_HPLT_v2.0 数据集, 应用在 多语言文本、自然语言处理 领域

本次发布的数据集 subset_HPLT_v2.0, 该数据集包含多种语言的数据，如中文（简体）、英语、希腊语、希伯来语、韩语、土耳其语和越南语。每个语言的数据文件都有详细的路径和分割信息。数据集的特征包括文本、语言、概率、文档评分等。此外，还提供了每个语言的文档数量和子词数量。

查看subset_HPLT_v2.0

Dataset card 内容： 

Files and versions 内容： 

关于 , 国庆学校是一所位于中国的教育机构，专注于提供基础教育服务。学校致力于培养学生的综合素质，注重学术与品德的全面发展。

关于 HuggingFace , Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的创建、发现和协作。该平台支持多种数据类型，包括文本、图像、视频、音频和3D数据，并提供开源工具和付费计算及企业解决方案。