Preskočiť na obsah
DatasetText

FineWeb2 Slovak

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.

Otvoriť na Hugging Face

Môžem to použiť?

Licencia dovoľuje aj komerčné použitie, ak uvedieš autorov a licenciu.

O zdroji

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.

Vidíš chybu alebo chýbajúci údaj? Napíš nám.

Ďalšie zdroje od tímu NLP KInIT

NLP KInIT