Documenting Large Webtext Corpora: A Case Study on the Colossal Clean Crawled Corpus

32001

Knowledge Triples

Source Entity	Relationship	Target Entity
Огромный очищенный корпус Material	contains	Эталонные наборы данных NLP Material
Огромный очищенный корпус Material	contains	Сгенерированный машиной текст OtherEntity
Огромный очищенный корпус Material	contains	Патенты Material
Огромный очищенный корпус Material	contains	Военные сайты США OtherEntity
Огромный очищенный корпус Material	evaluatedBy	Фильтрация по черному списку Method