C4 (Colossal Clean Crawled Corpus) 개요 C4 (Colossal Clean Crawled Corpus)는 구글(Google)이 T5(Text-to-Text Transfer Transformer) 모델의 사전 학습(Pre-training)을 위해 구축한 대규모 정제 텍스트 데이터셋이다. 웹상의 방대한 데이터를 수집하는 Common …
검색 결과
"Colossal Clean Crawled Corpus"에 대한 검색 결과 (총 4개)
OpenWebText 개요 OpenWebText(OpenWebText Corpus)는 대규모 자연어 처리(NLP) 연구 및 언어 모델 개발을 위해 사용되는 공개 텍스트 코퍼스입니다. 이 코퍼스는 Reddit 플랫폼에서 공유된 외부 웹사이트 링크를 기반으로 수집된 웹 페이지의 텍스트를 크롤링하고 정제하여 구성되었습니다. OpenWebText는 원본 데이터를 …
T5: Text-to-Text Transfer Transformer 개요 T5(Text-to-Text Transformer)는 구글(Google) 연구팀이 2019년에 발표한 자연어(NLP) 모델로, 다양한어 이해 및 생성을 문자 그 하나의 통일된 프레임크로 처리할 수 있도록계된 대규모 트랜스포머 기반 모델. T5는모든 자연어처리 작업은스트를 입력받아 텍스…
WebText2 개요 WebText2는 대규모 텍스트 데이터셋 중 하나로, 주로 자연어(NLP) 및 언어 모델 훈련을 위한 목적으로 개발된 데이터 수집 프로젝트의 결과물입니다. 이 데이터셋은 인터넷 상의 다양한 공개 텍스트 자원을 크롤링하여 구축되었으며, 특히 GPT-2(Generative Pre-trained Transformer 2) 모델의 훈련에 사용…