Dataset Card for MNBVC Table of Contents Dataset Card for MNBVC Table of Contents Dataset Description 数据集介绍 数据子集 数据格式 文本数据 问答数据 Contributions Dataset Description Homepage: http://mnbvc.253874.net/ Repository: https://github.com/esbatmop/MNBVC Paper: N/A Leaderboard: N/A Point of Contact: N/A 数据集介绍 中文互联网上最古老最神秘(没有之一)的MOP里屋社区于2023.1.1庄重宣布: 在英明神武的猫扑管子带领下，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https://github.com/esbatmop/MNBVC 获取未完成清洗的更多数据。 可以使用如下脚本加载： 数据子集 MNBVC数据集包含数个子集： 序号 一级目录 二级目录 描述说明 标签字典 备注 : : : : 1 academic paper 来自文献的文本。 1.1 academic paper arxiv 来自arXiv文献的文本。 academic paper 2 blog 博客语料目录 blog 2.1 blog 163 blog blog 2.2 blog ai blog blog 2.3 blog it blog blog 3 book 书籍语料目录 book 3.1 book InfoSec book 4 co ann report 企业年报文本。 co ann report 4.1 code 来自代码的文本 4.2 code metadata github 仓库的代码元数据 code 4.3 code googlecode github 中，不同仓库的数据 code 4.4 code githubcode google code 中， 不同仓库的数据 code 5 crawler 爬虫语料目录 5.1 crawler oscar 从CommonCrawl中清洗出来的通用文本数据。 crawler oscar 6 forum 论坛语料目录 forum 7 game 一些游戏的平行语料数据。 7.1 game Baldurs Gate 3 博德之门 3 game 7.2 game DarkSouls3 黑暗之魂III game 7.3 game do not starve 饥荒 game 7.4 game EldenRing 艾尔登法环 game 7.5 game Genshin Anime 原神…
We use cookies for essential functionality and analytics. You can accept or reject analytics cookies.Cookie policy