lianghsun/tw-health-43M

Dataset Card for tw-health-43M tw-health-43M 是一個台灣健康醫療領域的繁體中文預訓練語料集，包含 48,627 篇文章，總計約 4,366 萬 tokens。涵蓋疾病衛教、醫療新聞、公共衛生政策與健康促進等內容，適用於語言模型在醫療健康領域之持續預訓練。 Dataset Details Dataset Description 本資料集彙整台灣健康醫療相關之文章，涵蓋內科、外科、兒科、精神科、營養、復健、傳染病防治等多元醫療主題。每篇文章附帶 token 數、字數、來源 URL 與更新日期等元資料。 Curated by: Liang Hsun Huang Language(s) (NLP): Traditional Chinese License: CC BY-NC-SA 4.0 Dataset Sources Repository: lianghsun/tw-health-43M… See the full description on the dataset page: https://huggingface.co/datasets/lianghsun/tw-health-43M.