Matina: A Large-Scale 73B Token Persian Text Corpus

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究推出了Matina语料库,包含72.9B标记,解决了波斯语数据集稀缺问题。该语料库经过预处理和去重,确保数据质量,为波斯语自然语言处理模型的发展奠定基础。

🏷️

标签

➡️

继续阅读