Wikimedia 发布 Chinese Wikipedia 数据集, 应用在 自然语言处理、机器学习 领域

Wikimedia 本次发布的数据集 Chinese Wikipedia, 该数据集是从中文维基百科收集的大型语料库，包含了17亿个字符，词汇量达到了27,681个。它被用于大规模的预训练任务，旨在生成对话。

查看Chinese Wikipedia

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。