agentlans/Taiwan-Text-Excellence-sentences

台灣文摘句資料集 概述 Taiwan-Text-Excellence 句子資料集是從較大的 liswei/Taiwan-Text-Excellence-2B 資料集中抽取的 200 萬個獨特中文句子的綜合集。這些句子是隨機選取的，並使用 chinese-sentence-processor 工具進行分割。此資料集非常適合各種自然語言處理任務，包括語言建模、文本生成和其他研究用途。 資料集統計 總句數： 2,000,000 訓練集： 1,600,000 個句子 測試集： 400,000 個句子 資料格式 資料集中的每一行都包含一個欄位： **text**：包含中文句子的字串。 範例 {"text": "而新郎和女方家人的脂燭在當晚亦會合二為一，再送到母屋帳前點燃一個燈籠，保持三日不滅。"} {"text": "這個時期簽署的現代劇至今仍是台灣戲劇的中堅力量，而這十年為之奮鬥也奠定了其後數十年的基礎。"} {"text":… See the full description on the dataset page: https://huggingface.co/datasets/agentlans/Taiwan-Text-Excellence-sentences.