MNBVC(Massive Never-ending BT Vast Chinese corpus)超大规模 …
MNBVC数据集包括新闻、作文、小说、书籍、杂志、论文、台词、帖子、wiki、古诗、歌词、商品介绍、笑话、糗事、聊天记录等一切形式的纯文本中文数据。 Cannot retrieve latest commit …
MNBVC.超大规模中文语料集·NLP自然语言处理数据集
MNBVC数据集（NLP语料数据集）不但包括主流文化，也包括各个小众文化甚至火星文的数据。 MNBVC数据集包括新闻、作文、小说、书籍、杂志、论文、台词、帖子、wiki、古诗、歌词 …
MNBVC|超大规模中文语料集·里屋NLP自然语言处理数据集
LIWU： Language Intelligence and Word Understanding 里屋｜MNBVC：Massive Never-ending BT Vast Chinese corpus 超大规模中文语料集 …
MNBVC.2023.总结及致谢
2023年12月31日 · MNBVC项目于2023年1月1日正式启动，由里屋社区资深用户等战、零零发和龙骑兵的发起下，集结了广大志愿者共同参与，致力于构建一个超大规模的中文语料集。 项目 …
MNBVC/dupan/README.md at main · esbatmop/MNBVC - GitHub
MNBVC数据集不但包括主流文化，也包括各个小众文化甚至火星文的数据。 MNBVC数据集包括新闻、作文、小说、书籍、杂志、论文、台词、帖子、wiki、古诗、歌词、商品介绍、笑话、 …
liwu/MNBVC · Datasets at Hugging Face
在英明神武的里屋管子带领下，决心发挥社区所长 (哪都长)，帮助开源社区长期更新一份最大的中文互联网语料集。 Huggingface上的MNBVC数据集在逐渐更新中，请到 …
aboutmnbvc [MNBVC-Wiki]
MNBVC-Wiki是 Massive Never-ending BT Vast Chinese corpus 超大规模中文语料集。 它诞生的初衷是MNBVC开源项目团队在中文语料库建设过程中积累了一些项目经验，希望通过wiki系 …
MNBVC.超大规模中文语料集.项目进度
MNBVC项目通过23个月的努力，在2024年12月1日成功实现了最初看似遥不可及的目标——数据集规模达到了42.77TB，超越了40TB的目标，达到了106.9%。 这一成就标志着我们在开源中 …
现有语料格式 [MNBVC-Wiki]
2024年12月6日 · 未来所有MNBVC语料都会统一格式，请提交数据的同学都执行下格式检查工具： DataCheck_MNBVC. 对于语料格式的每个jsonl文件，其大小略大于500MB。 时间字段所有语 …
start [MNBVC-Wiki]
项目主页： https://mnbvc.253874.net. Github 地址： https://github.com/esbatmop/MNBVC. 联系邮箱：[email protected]. 关于MNBVC. 2024年12月1日， MNBVC语料集数据量达 …