文本語料是研發裏必不可少的基礎數據資源，針對小語種語料稀少的現狀，數據堂基於專業爬蟲及數據清理技術，從互聯網上抓取各種語言的海量文本數據，包括指定網站的定向採集和清理、指定主題的非定向採集和清理。
本數據集摘錄了日語、俄語、荷蘭語、挪威語的少量文本語料，壓縮前有778M大小。存儲格式爲文本文件，utf-8編碼，文件名以網站命名，每篇文章保存爲一行，並去掉所有網頁標記符。
更多內容詳見
http://factory.datatang.com/service_4.html
點擊下載：【2月限時免費】多國語言文本採集數據