在训练中文大模型时，选择合适的数据集至关重要。以下是一些常用于中文大数据训练的数据集：
1. 新闻数据集
新闻数据集通常涵盖广泛的领域，包括时事、财经、体育、科技等，具有实时性和高质量的特点。
- SogouCA：搜狗公司提供的新闻数据集，包含从2008年到2012年的大量新闻文本。
- THUCNews：清华大学提供的一个包含743,000篇中文新闻的语料库，分为14个类别，如体育、娱乐、家居等。
2. 社交媒体数据集
社交媒体数据集包含用户生成内容，语言富有多样性和口语化。
- Weibo数据集：包含大量来自新浪微博的用户发布的短文本，涵盖各种话题和情感。
- Douban评论数据集：包含来自豆瓣的用户评论，涵盖电影、书籍、音乐等。
3. 百科数据集
百科数据集通常是高质量的结构化文本，适合用于知识图谱和信息抽取任务。
- Wikipedia中文数据集：维基百科的中文部分，包含大量高质量的结构化文本。可以使用WikiExtractor等工具提取。
- Baike数据集：百度百科的中文数据，包含大量高质量的条目。
4. 问答与对话数据集
这些数据集包含大量的问答和对话，对自然语言理解和生成任务非常有用。
- XNLI：跨语言自然语言推理数据集，包含中文在内的15种语言，可用于跨语言理解和翻译任务。
- LCQMC：一个中文问句匹配数据集，由百度提供，包含近26万个问句对。
5. 中文维基语料
来自中文维基百科的语料，具有高质量和广泛的知识覆盖面。
- WikiQA：一个面向问题回答任务的数据集，包含从维基百科中提取的问答对。
6. 公开语料库
各大科研机构和公司发布的公开语料库，广泛应用于学术研究和工业应用中。
- 百度中文语音数据集：百度发布的中文语音数据集，可用于训练语音识别和自然语言处理模型。
- THU OpenChineseCorpus：清华大学发布的一个包含多种文本数据的公开语料库。
7. 机器翻译数据集
这些数据集包含大规模的平行语料，对机器翻译模型的训练非常有帮助。
- LDC Chinese-English Data：语言数据联盟（LDC）发布的中英双语平行语料，广泛应用于机器翻译研究。
- WMT Translation Data：WMT竞赛提供的大规模中英翻译数据集。
8. 情感分析数据集
这些数据集包含标注了情感倾向的文本，适用于情感分析和情感分类任务。
- ChnSentiCorp：一个由酒店评论、书评和其他评论组成的中文情感分析数据集。
- Weibo情感分析数据集：来自新浪微博的用户评论，标注了情感倾向。
9. 法律和医疗数据集
这些领域的数据集有助于构建法律认知和医疗诊断等专业系统。
- Chinese AI and Law Challenge Dataset：用于法律文本理解的公开数据集。
- MedQA：一个包含医疗问答对的数据集，用于医疗对话系统的训练。
示例：从中文维基百科提取数据
以下是一个示例脚本，展示如何使用Python从中文维基百科提取语料：
python
import requests
import json
def fetch_wikipedia_data():
url = 'https://zh.wikipedia.org/w/api.php'
params = {
'action': 'query',
'format': 'json',
'list': 'random',
'rnlimit': 10,
'rnnamespace': 0
}
response = requests.get(url, params=params)
data = response.json()
for item in data['query']['random']:
page_id = item['id']
title = item['title']
print(f'Fetching content for page: {title}')
params = {
'action': 'query',
'format': 'json',
'prop': 'extracts',
'explaintext': True,
'pageids': page_id
}
response = requests.get(url, params=params)
page_data = response.json()
content = page_data['query']['pages'][str(page_id)]['extract']
print(f'Content: {content[:100]}...')
if __name__ == "__main__":
fetch_wikipedia_data()以下是一些常用的中文数据集及其获取地址：
1. SogouCA
描述：搜狗公司提供的新闻数据集，包括从2008年到2012年的大量新闻文本。
地址 ：SogouCA
2. THUCNews
描述：清华大学提供的一个包含743,000篇中文新闻语料的库，分为14个类别，如体育、娱乐、家居等。
地址 ：THUCNews
3. Weibo数据集
描述：包含大量来自新浪微博的用户发布的短文本，涵盖各种话题和情感。适用于情感分析等任务。
4. Douban评论数据集
描述：包含来自豆瓣的用户评论，涵盖电影、书籍、音乐等，适合用于情感分析和推荐系统研究。
地址 ：Douban评论数据集
5. Wikipedia中文数据集
描述：维基百科的中文部分，包含大量高质量的结构化文本。可以使用WikiExtractor等工具提取。
地址 ：Wikipedia Dumps
6. Baike数据集
描述：百度百科的中文数据，包含大量高质量的条目，适用于知识图谱和信息抽取任务。
地址：数据集自行获取方法详见百度百科开发者文档
7. XNLI
描述：跨语言自然语言推理数据集，包含中文在内的15种语言，可用于跨语言理解和翻译任务。
地址 ：XNLI (Cognitive Computation Group)
8. LCQMC
描述：一个中文问句匹配数据集，由百度提供，包含近26万个问句对，适用于自然语言理解和问答系统研究。
地址 ：LCQMC 数据集
9. THU OpenChineseCorpus
描述：清华大学发布的一个包含多种文本数据的公开语料库，适用于多种NLP任务。
10. ChnSentiCorp
描述：一个由酒店评论、书评和其他评论组成的中文情感分析数据集。
地址 ：ChnSentiCorp
11. MedQA
描述：一个包含医疗问答对的数据集，用于医疗对话系统的训练。
地址 ：MedQA (DuQA公开数据)
12. LDC Chinese-English Data
描述：语言数据联盟（LDC）发布的中英双语平行语料，适用于机器翻译研究。
13. WMT Translation Data
描述：WMT竞赛提供的大规模中英翻译数据集。
地址 ：WMT 竞赛数据集
示例：获取Wikipedia Dumps的数据
以下是从Wikipedia Dumps下载中文数据集的简单步骤：
- 访问Wikipedia Dumps的页面：Wikipedia Dumps
- 选择最新的dump日期文件夹，例如
20230601/。 - 下载其中的
zhwiki-20230601-pages-articles-multistream.xml.bz2文件，这个文件包含了中文维基百科的所有页面。
总结
上述数据集涵盖了广泛的领域，包括新闻、社交媒体、评论、百科问答、机器翻译等。不同的数据集针对不同的NLP任务，可以根据需要选择适合的数据集进行模型训练。在选择适合的高质量数据集是训练中文大模型的关键。上述列举的资源涵盖了多个领域和应用场景，可以根据具体需求对数据进行二次处理和清洗，以提高训练效果。在获取和使用这些数据集时，也要注意遵守相关的数据使用政策和版权规定。