erhwenkuo/c4-chinese-zhtw
Dataset Card for "c4-chinese-zhtw" 內容 Common Crawl 是一個非營利組織，負責抓取網路並向公眾免費提供其檔案和資料集。Common Crawl 的網路檔案包含自 2008 年以來收集的 PB 級資料。它一般每月完成一次抓取。 Common Crawl 的爬蟲程式遵守 nofollow 和 robots.txt 政策。用於處理 Common Crawl 資料集的開源程式碼是公開可用的。 這個繁中的數據來是來自 Common Crawl 2023-14 的 data archive 下載并進行清理 。 這是 jed351 準備的版本，託管在這個位址： https://huggingface.co/datasets/jed351/Traditional-Chinese-Common-Crawl-Filtered 支援的任務 C4主要用於預訓練語言模型(pretrain language model)。 範例… See the full description on the dataset page: https://huggingface.co/datasets/erhwenkuo/c4-chinese-zhtw.
| Author / organization | erhwenkuo |
|---|---|
| Downloads | 682 (as reported by Hugging Face) |
| Likes | 12 |
| Created | 11 October 2023 |
| Last updated at source | 12 October 2023 |
Popularity, last 4 days
682 now (-9 since 2026-10-16). Counts as reported by the source, snapshotted daily by Silytics.
Recent changes
- 16 Oct 2026 Description: Dataset Card for "c4-chinese-zhtw" 內容 Common Crawl 是一個非營利組織，負責抓取網路並向公眾免費提供其檔案和資料集。Common Crawl 的網路檔案包含自 2008 年以來收集的 PB 級資料。它一般每月完成一次抓取。 Common Crawl 的爬蟲程式遵守 nofollow 和 robots.txt 政策。用於處理 Common Crawl 資料集的開源程式碼是公開可用的。 這個繁中的數據來是來自 Common Craw → Dataset Card for "c4-chinese-zhtw" 內容 Common Crawl 是一個非營利組織，負責抓取網路並向公眾免費提供其檔案和資料集。Common Crawl 的網路檔案包含自 2008 年以來收集的 PB 級資料。它一般每月完成一次抓取。 Common Crawl 的爬蟲程式遵守 nofollow 和 robots.txt 政策。用於處理 Common Crawl 資料集的開源程式碼是公開可用的。 這個繁中的數據來是來自 Common Craw
Changes detected by Silytics between refreshes of the source.
More from erhwenkuo
Silytics shows public metadata from Hugging Face and links to the original. Information may be incomplete or out of date. Last refreshed 19 October 2026. Licenses and terms of the original apply to the work itself. Not financial, legal or professional advice.