Git Stars Git Stars

#corpus-data 仓库

探索 3 个标记为 #corpus-data 的活跃开源 GitHub 仓库,它们累计获得 5,992 个 Star(平均每个项目 1,997 个)。该主题的领先项目是 esbatmop/MNBVC,拥有 4,310 个 Star。

3
仓库总数
5,992
总星标数
1,997
平均每个仓库星标数
编程语言: Python
1
esbatmop/MNBVC

MNBVC(Massive Never-ending BT Vast Chinese corpus)超大规模中文语料集。对标chatGPT训练的40T数据。MNBVC数据集不但包括主流文化,也包括各个小众文化甚至火星文的数据。MNBVC数据集包括新闻、作文、小说、书籍、杂志、论文、台词、帖子、wiki、古诗、歌词、商品介绍、笑话、糗事、聊天记录等一切形式的纯文本中文数据。

esbatmop
⭐ 4,310 👤 esbatmop User 🕐 已更新 2026-10-25 📅 创建时间 2022-12-31
2
PlexPt/chatgpt-corpus

ChatGPT 中文语料库 对话语料 小说语料 客服语料 用于训练大模型

PlexPt
⭐ 939 👤 PlexPt User 🕐 已更新 2024-05-15 📅 创建时间 2023-04-26
3
sheepzh/poetry

地球上最全的华语现代诗歌语料库,3k+诗人,80K+诗歌,15M+字

sheepzh
⭐ 743 Python 👤 sheepzh User 🕐 已更新 2025-09-12 📅 创建时间 2019-04-16

常见问题解答

1

GitHub 上最受欢迎的 #corpus-data 仓库是什么?

GitHub 上排名第一的开源 #corpus-data 项目是 esbatmop/MNBVC,拥有 4,310 个 Star。MNBVC(Massive Never-ending BT Vast Chinese corpus)超大规模中文语料集。对标chatGPT训练的40T数据。MNBVC数据集不但包括主流文化,也包括各个小众文化甚至火星文的数据。MNBVC数据集包括新闻、作文、小说、书籍、杂志、论文、台词、帖子、wiki、古诗、歌词、商品介绍、笑话、糗事、聊天记录等一切形式的纯文本中文数据。

2

#corpus-data 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #corpus-data 项目中,最常见的编程语言是 Python。

3

#corpus-data 仓库的排名是如何计算的?

我们跟踪了 3 个标记为 #corpus-data 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 5,992 个 Star,平均每个仓库拥有 1,997 个 Star。排名每日根据 GitHub API 更新。