cawac

مراجع:

برای بارگذاری این مجموعه داده در TFDS از دستور زیر استفاده کنید:

ds = tfds.load('huggingface:cawac')
  • توضیحات :
caWaC is a 780-million-token web corpus of Catalan built from the .cat top-level-domain in late 2013.
  • مجوز : CC BY-SA 3.0
  • نسخه : 0.0.0
  • تقسیم ها :
تقسیم کنید نمونه ها
'train' 24745986
  • ویژگی ها :
{
    "sentence": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}