cawac

参考：

• 代码
• Huggingface

使用以下命令在 TFDS 中加载此数据集：

ds = tfds.load('huggingface:cawac')

• 说明：

caWaC is a 780-million-token web corpus of Catalan built from the .cat top-level-domain in late 2013.

• 许可：CC BY-SA 3.0
• 版本：0.0.0
• 拆分：

拆分	样本
'train'	24745986

• 特征：

{
    "sentence": {
        "dtype": "string",
        "id": null,
        "_type": "Value"
    }
}