大型日語匿名論壇資料集,來源於 2ch.sc/2ch.net 的抓取,存為壓縮的 JSONL 檔案。每則主題紀錄包含 ID、標題、區域、板塊名稱、回覆數量,以及一個帖子陣列,其中包括使用者、信箱、日期、內容和可選的貼文標題。
其他語言的說明
統計
統計資料截至 2026年11月16日
Hugging Face 下載數(近 30 天)
995
Hugging Face 按讚數
3
收錄日
2025年9月16日
下載數(近 30 天)變化
以表格顯示
| 月份 | 下載(30天) |
|---|---|
| 2025年12月 | 336 |
| 2026年1月 | 901 |
| 2026年2月 | 522 |
| 2026年3月 | 740 |
| 2026年4月 | 560 |
| 2026年5月 | 313 |
| 2026年6月 | 198 |
| 2026年7月 | 112 |
| 2026年8月 | 211 |
| 2026年9月 | — |
| 2026年10月 | 647 |
| 2026年11月 | 995 |
各月最後一次快照時的近 30 天下載數。
同分類的熱門資源
- KakologArchivesKakologArchives74k聚合自 2009‑2024 年的 NicoNico Live 評論日誌超過 150 GB,包括轉換前、轉換後及實時 NX‑Jikkyo 捕獲,並提供 API 以方便檢索歷史 TV‑broadcast 討論。
- emilia-yodasTTS-AGI18k來自 Fate/Stay Night 角色「Emilia」的對話與傳說資料集,格式化用於訓練與評估對話語言模型。
- ClimbLab-JaKantaHayashiAI15kClimbLab‑Ja 是一個三千億標記的日語語料庫,從 LLM‑jp Corpus v4 過濾後分成 20 個群集,用於預訓練語言模型,以 ODC‑BY 授權發佈,保留原始來源授權並以 parquet 格式存儲。
- llm-course-final-2026bumbuboon13k基於日文 Wikipedia 的 RAG 資料集,供 LLM 課程期末競賽使用,包含約 100 萬個文本片段及搜尋索引。
- fgo_voices_jpdeepghs10kFGO Waifu 的 JP Voice‑Text 資料集:包含 30,800 條記錄、66.4 小時的日語音訊集合,涵蓋單一配音員角色台詞(每條約 7.76 秒),適用於 ASR/ASV 微調與評估。
- fineweb-2-edu-japanesehotchpotch8kFineWeb2 Edu Japanese 交付約 120 million 高品質教育用日語文本(≈89.3 billion tokens)來自 FineWeb2,經 DeepSeek‑API classifier(score ≥ 2.5)過濾,使用 ModernBERT‑Ja‑130M 分詞,並包含小型 token 子集(≤512 tokens)。
研究領域相近的資源
- financial-lakehouseYoshi-Dai5k一個受限、非商業性的衍生資料集,基於 EDINET XBRL 財務資料,禁止再散佈、AI 訓練及商業使用,存取需手動批准。共同: 標註與資料集建置
- Nemotron-Personas-Japannvidia5kNemotron‑Personas‑Japan是一個開源、CC BY 4.0資料集,提供高品質的合成生成日本人格資料——包含姓名、性別、年齡、背景、婚姻狀況、教育、職業和地理位置——基於真實世界的人口、地理和個性分佈設計,使用概率圖形模型和GPT‑OSS‑120B進行優化,以提升多樣性、減少偏見、避免模型崩潰,協助主權AI發展並支持商業使用。共同: 標註與資料集建置
- mc4-jaizumi-lab2k日文 MC4 資料集卡片 (mc4-ja)共同: 標註與資料集建置
- RyokoAI_Syosetu711Kbotp2kSyosetu711K 是一個日本資料集,於 2023 年 3 月 26‑27 日從小説家になろう抓取約 711,700 本小說,提供全文和元資料(標題、作者、NCode、簡介等)供無監督文本生成和分類任務使用。共同: 標註與資料集建置
- Japanese-Eroge-Voice-V2NandemoGHS1kJapanese‑Eroge‑Voice‑V2 提供 2,657 小時的匿名化 1,033,142 對 eroge 音訊–轉錄配對 (大多為女性,NSFW),MIT授權,用於學術研究。共同: 標註與資料集建置
- AnimuSubtitle-JPKaraKaraWitch1k一個可透過 ass Python 函式庫或字幕編輯器(如 Aegisub)使用的日語動畫字幕資料集,採用 Advanced SubStation Alpha (SSA/ASS) 格式,授權為 ODC‑BY。共同: 標註與資料集建置