Dataset Card for "pretrain_zh"Tigerbot
Chứa (trước khi nén) sách tiếng Trung zh-books 12G, Internet tiếng Trung zh-webtext 25G, bách khoa toàn thư tiếng Trung zh-wiki 19G.
=> Chọn:
sách tiếng Trung zh-books 12G => zh-books
bách khoa toàn thư tiếng Trung zh-wiki 19G => zh-baike
Chú ý: Với book content có đoạn "", và id trùng nhau ở đoạn chuyển giữa 2 books
Có thể dùng titleUkey để nhóm các content của cùng một sách
