search

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。
MIT License
3.49k stars 246 forks source link

可以对数据集做二次加工后再开源吗 #52

Closed charent closed 9 months ago

charent commented 9 months ago

开源后会标注原始数据集来源可以做二次加工吗？可能只加工一小部分，主要担心版权问题。

esbatmop commented 9 months ago

MNBVC项目使用MIT协议。