lianghsun/Taiwan_c4

Dataset Card for lianghsun/Taiwan_c4 徵求熱情的你一同來過濾資料 :p 這個專案不同於大多數 C4 資料集的 repo，後者通常是從原始 C4 中提取繁體中文資料，或是透過簡轉繁的方式獲得內容。本專案透過自行爬蟲，從中華民國政府官方網站及台灣域名下的大部分網站獲取資料，提供更地道的在地語料。此專案為開源，旨在支持對大語言模型有興趣的研究人員進行更精確的地方研究。若您使用本資料集，請務必註明資料來源。 Dataset Details Dataset Description Curated by: Huang Liang Hsun Funded by: Huang Liang Hsun Shared by : Huang Liang Hsun Language(s) (NLP): 繁體中文（zh-tw） License: cc-by-nc-nd-4.0 Dataset Sources [optional]… See the full description on the dataset page: https://huggingface.co/datasets/lianghsun/Taiwan_c4.