#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
共 3 个仓库
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。
⭐ 4,310
👤 esbatmop User
🕐 已更新 2026-10-25
📅 创建时间 2022-12-31
⭐ 939
👤 PlexPt User
🕐 已更新 2024-05-15
📅 创建时间 2023-04-26
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。