90M
Datasets
All datasets matching “90M”tw-gov-news-90M
Dataset Card for tw-gov-news-90M
本資料集收錄中華民國（臺灣）政府機關公開網站／新聞稿之繁體中文文本，總 token 數約 90M（90 百萬），可作為繁中模型在政府公文體與時事公告語境上的補充預訓練語料。
Dataset Details
Dataset Description
資料來自中華民國政府公開網頁與新聞稿，內容涵蓋：
政府網站開放資料宣告與授權條款
政策說明與新聞稿
公告事項、施政成果報告
文本依政府公開資訊公開原則整理，可作為政府公文體、政策論述語境的訓練語料。
Curated by: Huang Liang Hsun
Language(s) (NLP): Traditional Chinese
License: cc-by-nc-sa-4.0
Dataset Sources
Repository: lianghsun/tw-gov-news-90M
Paper: TBA… See the full description on the dataset page: https://huggingface.co/datasets/lianghsun/tw-gov-news-90M.itb_solutionaurel_audio_90m90Mv0PQ4