中國網絡空間安全協會近日宣布了一項重大舉措，正式推出了中文互聯網語料資源平臺，這一平臺旨在為用戶提供豐富多樣的中文語料資源。該平臺于1月9日正式上線，并面向全社會開放。
在中央網信辦的指導下，中國網絡空間安全協會攜手國家互聯網應急中心，在已有的中文互聯網基礎語料1.0的基礎上，進一步升級并發布了中文互聯網基礎語料2.0。這一新版本經過嚴格的信源篩選、內容過濾和數據去重等處理，確保了數據的高質量和可信度。據悉，該語料庫規模達到了120GB，包含3800萬條數據。
平臺的語料數據集涵蓋了多個領域和模態，用戶可以根據行業領域、內容模態以及體量規模等多種標簽進行分類篩選，從而輕松找到所需資源。目前，平臺已經吸引了27個語料數據集入駐，總數據量高達2.7T。
這些語料數據集主要分為三類：第一類是由中國網絡空間安全協會與國家互聯網應急中心等聯合建設的中文互聯網基礎語料；第二類則是由人民網、北京智源研究院、上海人工智能實驗室等單位共享的互聯網語料；第三類則是由中國網絡空間研究院、中國國家版本館、中國大百科全書出版社、中國社會科學院圖書館等機構提供的優質中文基礎語料樣本。
用戶只需登錄中國網絡空間安全協會官方網站，點擊“中文互聯網語料資源平臺”鏈接，完成注冊和認證程序后，即可自由下載所需的語料資源。這一平臺的推出，無疑為中文信息處理、自然語言處理以及人工智能等領域的研究和應用提供了強有力的支持。
中國網絡空間安全協會人工智能安全治理專委會負責人表示，數據是人工智能發展的基石，中文互聯網基礎語料2.0的發布是各界共同努力、協同共建高質量中文語料的重要成果。未來，專委會將繼續加強中文互聯網基礎語料的建設工作，為人工智能技術的創新和產業發展提供更加堅實的支撐和保障。
