FineWeb2 Slovak

Dataset

FineWeb2 Slovak je komplexný textový korpus obsahujúci viac ako 14,1 miliardy slov vo viac než 26,5 miliónoch dokumentov, prispôsobený na spracovanie slovenského prirodzeného jazyka. Tento kurátorovaný dataset je obohatený o identifikáciu jazyka pomocou viacerých nástrojov a označovanie obsahu pre dospelých, čo umožňuje presné filtrovanie dát a zabezpečuje vysokú kvalitu moderovania obsahu.

Open-source

Hugging Face

Spolupracovali: NLP KInIT
Licencia: ODC-BY 1.0
Jazyk: sk
Modalita: Text