Datasets:

jxjwilliam
/

jinyong-wuxia

text stringlengths 1 32.9k
$
0
1
2
3
4
5
6
7
8
9
?
_
“
”
、
。
《
》
一
一些
一何
一切
一则
一方面
一旦
一来
一样
一般
一转眼
万一
上
上下
下
不
不仅
不但
不光
不单
不只
不外乎
不如
不妨
不尽
不尽然
不得
不怕
不惟
不成
不拘
不料
不是
不比
不然
不特
不独
不管
不至于
不若
不论
不过
不问
与
与其
与其说
与否
与此同时
且
且不说
且说
两者
个
个别
临
为
为了
为什么
为何
为止
为此
为着
乃
乃至
乃至于
么
之
之一
之所以
之类
乌乎
乎
乘
也
也好
也罢
了
二来
于
于是
于是乎

End of preview. Expand in Data Studio

Jin Yong wuxia raw text bundle

UTF-8 text files used for cleaning and instruction building in the Jin Yong fine-tuning pipeline.

Provenance

The file set matches the public Kaggle dataset evilpsycho42/jinyong-wuxia (same layout as this repo’s data/raw when synced from Kaggle).

Loading from the Hub

from huggingface_hub import hf_hub_download

path = hf_hub_download(repo_id="jxjwilliam/jinyong-wuxia", filename="jinyong.txt", repo_type="dataset")

Or clone the dataset repo with git / the Hugging Face CLI.

License and use

Original Jin Yong (金庸) novels are copyrighted. Use this corpus only where your jurisdiction and the Kaggle dataset license allow. This Hub copy is for research and training reproducibility; it does not grant additional rights beyond those of the upstream source.

Downloads last month: 42