本資料集收錄中華民國（臺灣）政府公開網站的中文（含中英對照）文本，涵蓋國史、機關沿革、政府公開資料等內容，總字數約 556,000 字（556k），以「text」單欄位的純文本格式提供，作為繁體中文持續預訓練（continued pretraining）語料的補充。
Dataset Details
Dataset Description
資料來源以中華民國政府公開頁面為主，內容偏向具有時間軸／傳記／沿革性質的中文敘事文本（部分樣本含中英對照）。文本經過簡單清理（移除 HTML 標籤、空白、合併段落等），但保留段落原貌，方便用於語言建模任務。
資料集名稱中的「556k」指原始彙整文本之總字數約 556,000 字，並非樣本數；實際樣本數落在 1K–10K 區間。
Curated by: Huang Liang Hsun
Language(s) (NLP): Traditional Chinese（部分樣本含英文對照）… See the full description on the dataset page:
https://huggingface.co/datasets/lianghsun/tw-gov-556k.
