中文互聯(lián)網(wǎng)語(yǔ)料AI資源平臺發(fā)布：27個(gè)數據集、總量2.7T

中國網(wǎng)絡(luò )空間安全協(xié)會(huì )于1月9日發(fā)布公告，面向社會(huì )發(fā)布中文互聯(lián)網(wǎng)語(yǔ)料資源平臺，支持行業(yè)領(lǐng)域、內容模態(tài)、體量規模等多種標簽分類(lèi)，便于用戶(hù)下載與使用。

該協(xié)會(huì )表示在中央網(wǎng)信辦指導下，會(huì )同國家互聯(lián)網(wǎng)應急中心，在前期發(fā)布中文互聯(lián)網(wǎng)基礎語(yǔ)料 1.0的基礎上，依托專(zhuān)委會(huì )建立的語(yǔ)料共建共享機制，匯聚一批新的高質(zhì)量可信數據，經(jīng)過(guò)信源篩選、內容過(guò)濾、數據去重等一系列嚴格細致的數據加工處理措施，形成并對社會(huì )發(fā)布中文互聯(lián)網(wǎng)基礎語(yǔ)料2.0，規模120GB，數據3800萬(wàn)條。

注：目前平臺共入駐27個(gè)語(yǔ)料數據集，數據總量約2.7T，主要分三類(lèi)：

一是中國網(wǎng)絡(luò )空間安全協(xié)會(huì )會(huì )同國家互聯(lián)網(wǎng)應急中心等建設的中文互聯(lián)網(wǎng)基礎語(yǔ)料;

二是人民網(wǎng)、北京智源研究院、上海人工智能實(shí)驗室等單位共享的互聯(lián)網(wǎng)語(yǔ)料;

三是中國網(wǎng)絡(luò )空間研究院、中國國家版本館、中國大百科全書(shū)出版社、中國社會(huì )科學(xué)院圖書(shū)館等單位貢獻的優(yōu)質(zhì)中文基礎語(yǔ)料樣本。

用戶(hù)登錄中國網(wǎng)絡(luò )空間安全協(xié)會(huì )網(wǎng)站(https://www.cybersac.cn/newhome)，點(diǎn)擊“中文互聯(lián)網(wǎng)語(yǔ)料資源平臺”鏈接，通過(guò)注冊、認證等程序，即可下載相關(guān)語(yǔ)料。

網(wǎng)安協(xié)會(huì )人工智能安全治理專(zhuān)委會(huì )負責人表示，數據是發(fā)展人工智能的基礎關(guān)鍵資源，中文互聯(lián)網(wǎng)基礎語(yǔ)料2.0是各界協(xié)同共建高質(zhì)量中文語(yǔ)料的又一重要成果，專(zhuān)委會(huì )將持續加強中文互聯(lián)網(wǎng)基礎語(yǔ)料建設，為人工智能技術(shù)創(chuàng )新和產(chǎn)業(yè)發(fā)展提供有力支撐和保障。