发布 RoBERTuito Training Dataset 数据集, 应用在 自然语言处理、语言模型预训练 领域

本次发布的数据集 RoBERTuito Training Dataset, 该数据集包含了大约5亿条西班牙语推文，这些推文是从一个更大的数据集中筛选出来的，专门用于预训练RoBERTuito模型。该数据集混合了多种语言，其中大约92%为西班牙语，4%为英语，3%为葡萄牙语，这样的组成使得它能够处理代码混合的文本。该数据集规模宏大，包含了大约5亿条来自大约43.2万名用户的推文，其任务是针对社交媒体文本进行语言模型的预训练。

查看RoBERTuito Training Dataset

README 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 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。