opencsg/CIMD

CIMD [[中文]] | [[English]] CSGHub Dataset Page | Hugging Face | OpenCSG Community 中文说明 数据集概述 CIMD 是一个面向文档智能任务的跨来源、多语言 JSONL 语料库。当前公开快照包含 111,308 条解析记录，覆盖制度参考、学术与长文档资料、机构分析、企业运营、公共讨论和市场相关材料等来源家族。每条记录都把正文与来源类型、语言、时间、关键词、授权标签和来源字段放在同一个结构里，用户拿到数据后可以直接做检索、抽样、审计和数据治理。 公开数据已转换为统一字段，并按来源家族拆分为可单独加载的子集；它不是原始文件夹的简单打包。用户可以只读取制度参考、学术长文档或公共讨论记录，也可以合并多个子集构建检索库、抽取训练候选样本、构造评测样本池，并按来源、语言和时间字段继续筛选。 CIMD 和通用网页语料的差别在于记录级元数据。它不只提供可索引文本，还提供… See the full description on the dataset page: https://huggingface.co/datasets/opencsg/CIMD.

<iframe src="https://silytics.si/embed/item/e7a6aa7f-3e91-4a6c-b942-ac012c3af2bc" width="420" height="190" style="border:0" loading="lazy" title="Silytics entry"></iframe>

Silytics shows public metadata from Hugging Face and links to the original. Information may be incomplete or out of date. Last refreshed 16 October 2026. Licenses and terms of the original apply to the work itself. Not financial, legal or professional advice.