【五号雷达-数据快讯】CCI 2.0 - 500G规模的高质量中文互联网语料库

CCI 2.0（Chinese Corpora Internet 2.0）是由北京智源人工智能研究院发布的一个大规模高质量中文互联网语料库。智源研究院与多家企业经过四个月的努力，共收集约8TB互联网数据，通过严格的清洗和筛选，形成了超过500GB的高质量“中文互联网语料库” CCI 2.0，该数据集涵盖1.25亿个网页，数据类型全面、质量较高、安全可信，包括网页、公众号、博客、百科、问答、试题等。CCI 2.0的建立旨在为国内大数据及人工智能行业提供一个安全、可靠的语料资源，共同推动大数据和人工智能领域的健康发展。

详情请参见五号雷达：https://www.5radar.com/result?key=CCI+2.0