Swagvictoria/tr-cc-experimental

Veri Seti Hakkında Kaynak: Common Crawl (CC) Türkçe Ağ Verileri Toplayan [Ben (Swag Victoria)] Temizleme & Filtreleme: GLM 5.3 Flash yardımıyla HTML etiketleri, navigasyon gürültüleri ve spam metinler ayıklanmaya çalışılmıştır. Format: .jsonl (JSON Lines) Q&A Abi neden bu kadar yavaş geliyor CC kazıma işlemi? (Answer) Abi'nin amına koyim.