mrzjy/chinese_moegirl_wiki_corpus_raw
Chinese Moegirl ACG Corpus (Raw Data) Moegirl 是个中文二次元 wiki 网站 本项目对 20230814 wiki dump for wiki-zh.moegirl.org.cn 只进行了简单的数据格式处理（xml -> jsonl dataset），后续如想作为 LLM 预训练语料，务必进行各种文本清洗。 简单使用正则给每条数据增加了 tag；直接过滤掉所有带有 "#REDIRECT" 内容的重定向条目。 Moegirl is a well-known Chinese wiki website for ACG. This datasets is a raw text version of the 20230814 wiki dump for wiki-zh.moegirl.org.cn reformatted into jsonl dataset. You must perform further data processing for LLM (continual) pretraining.… See the full description on the dataset page: https://huggingface.co/datasets/mrzjy/chinese_moegirl_wiki_corpus_raw.
| Author / organization | mrzjy |
|---|---|
| License (as declared) | cc-by-4.0 |
| Downloads | 163 (as reported by Hugging Face) |
| Likes | 7 |
| Created | 13 August 2024 |
| Last updated at source | 20 August 2024 |
Popularity, last 3 days
163 now (+35 since 2026-10-16). Counts as reported by the source, snapshotted daily by Silytics.
Recent changes
- 17 Oct 2026 Description: Chinese Moegirl ACG Corpus (Raw Data) Moegirl 是个中文二次元 wiki 网站 本项目对 20230814 wiki dump for wiki-zh.moegirl.org.cn 只进行了简单的数据格式处理（xml -> jsonl dataset），后续如想作为 LLM 预训练语料，务必进行各种文本清洗。 简单使用正则给每条数据增加了 tag；直接过滤掉所有带有 "#REDIRECT" 内容的重定向条目。 Moegirl is → Chinese Moegirl ACG Corpus (Raw Data) Moegirl 是个中文二次元 wiki 网站 本项目对 20230814 wiki dump for wiki-zh.moegirl.org.cn 只进行了简单的数据格式处理（xml -> jsonl dataset），后续如想作为 LLM 预训练语料，务必进行各种文本清洗。 简单使用正则给每条数据增加了 tag；直接过滤掉所有带有 "#REDIRECT" 内容的重定向条目。 Moegirl is
Changes detected by Silytics between refreshes of the source.
More from mrzjy
Silytics shows public metadata from Hugging Face and links to the original. Information may be incomplete or out of date. Last refreshed 18 October 2026. Licenses and terms of the original apply to the work itself. Not financial, legal or professional advice.