YAML Metadata Warning:The task_categories "language-modeling" is not in the official list: text-classification, token-classification, table-question-answering, question-answering, zero-shot-classification, translation, summarization, feature-extraction, text-generation, fill-mask, sentence-similarity, text-to-speech, text-to-audio, automatic-speech-recognition, audio-to-audio, audio-classification, audio-text-to-text, voice-activity-detection, depth-estimation, image-classification, object-detection, image-segmentation, text-to-image, image-to-text, image-to-image, image-to-video, unconditional-image-generation, video-classification, reinforcement-learning, robotics, tabular-classification, tabular-regression, tabular-to-text, table-to-text, multiple-choice, text-ranking, text-retrieval, time-series-forecasting, text-to-video, image-text-to-text, image-text-to-image, image-text-to-video, visual-question-answering, document-question-answering, zero-shot-image-classification, graph-ml, mask-generation, zero-shot-object-detection, text-to-3d, image-to-3d, image-feature-extraction, video-text-to-text, keypoint-detection, visual-document-retrieval, any-to-any, video-to-video, other
IMA Traditional Chinese Corpus（繁體中文語料總集）
本資料集為繁體中文文學語料總集，目的在於將原先分散於多個作者／來源 dataset repo 的繁體中文文本統一整併，提供「一次申請、持續更新」的集中存取方式。
使用者只需申請本 dataset（本 repo）一次，即可取得所有繁中語料。未來新增來源或更新資料將直接同步至本 repo，無需重複申請。
📂 目錄結構
所有來源資料皆保留於 data/ 之下，每個子資料夾對應一個原始來源 repo，例如：
data/
├── zhtw-literature-ots
每個子資料夾內保留：
- 原始 README
- 原始語料檔（json / txt 等）
- 來源資訊與授權說明
以利來源追溯與資料審核。
📦 資料格式
主要格式：
- JSON
- UTF-8 編碼文字檔
典型欄位可能包含：
title：作品名稱author：作者content：文本內容source：來源 repo
（依各來源資料實際格式而定）
🚀 使用方式
HuggingFace datasets
from datasets import load_dataset
dataset = load_dataset("IMA-Taiwan/ima-corpus-zhtw")
- Downloads last month
- 7