yuhuanstudio/PTT-pretrain-zhtw
Dataset Card for "yuhuanstudio/PTT-pretrain-zhtw" 資料集摘要 本資料集擷取自台灣最大的 BBS 討論區——批踢踢實業坊（PTT），匯集多個看板的歷史與近期討論，提供豐富的繁體中文語料，適用於大型語言模型（LLM）預訓練與自然語言處理（NLP）研究。 數據來源：PTT 批踢踢實業坊（https://www.ptt.cc） 涵蓋看板：包含 Gossiping、Tech_Job、Stock、NBA 等所有討論區 時間範圍：擷取自 PTT 公開存檔前200頁，涵蓋多年歷史數據 (因各版頁數問題，熱門版面資料可能時間都較為古老) 語言：繁體中文 資料格式：JSON，適合 LLM 訓練與 NLP 應用 資料規模：包含數十萬條貼文與回應 資料集結構 { "text": "作者: Sonaten (=.=)\n看板: PC_Shopping\n標題: [閒聊] Gigabyte EP35-DS3 的DES...\n時間: Fri Jun 27… See the full description on the dataset page: https://huggingface.co/datasets/yuhuanstudio/PTT-pretrain-zhtw.
| Author / organization | yuhuanstudio |
|---|---|
| License (as declared) | apache-2.0 |
| Downloads | 163 (as reported by Hugging Face) |
| Likes | 3 |
| Created | 26 January 2025 |
| Last updated at source | 1 April 2025 |
Popularity, last 5 days
163 now (+21 since 2026-10-16). Counts as reported by the source, snapshotted daily by Silytics.
Recent changes
- 17 Oct 2026 Description: Dataset Card for "yuhuanstudio/PTT-pretrain-zhtw" 資料集摘要 本資料集擷取自台灣最大的 BBS 討論區——批踢踢實業坊（PTT），匯集多個看板的歷史與近期討論，提供豐富的繁體中文語料，適用於大型語言模型（LLM）預訓練與自然語言處理（NLP）研究。 數據來源：PTT 批踢踢實業坊（https://www.ptt.cc） 涵蓋看板：包含 Gossiping、Tech_Job、Stock、NBA 等所有討論區 時間範圍：擷取自 P → Dataset Card for "yuhuanstudio/PTT-pretrain-zhtw" 資料集摘要 本資料集擷取自台灣最大的 BBS 討論區——批踢踢實業坊（PTT），匯集多個看板的歷史與近期討論，提供豐富的繁體中文語料，適用於大型語言模型（LLM）預訓練與自然語言處理（NLP）研究。 數據來源：PTT 批踢踢實業坊（https://www.ptt.cc） 涵蓋看板：包含 Gossiping、Tech_Job、Stock、NBA 等所有討論區 時間範圍：擷取自 P
Changes detected by Silytics between refreshes of the source.
More from yuhuanstudio
Silytics shows public metadata from Hugging Face and links to the original. Information may be incomplete or out of date. Last refreshed 20 October 2026. Licenses and terms of the original apply to the work itself. Not financial, legal or professional advice.