skip-gram的数据来源

[yan624]

你好，我想问一下，skip gram项目下的数据是来自哪里？我看了一下里面一个标点符号都没有。而且没有段落，感觉是被人处理过的。正常情况做词向量的训练应该是一个自然段一个自然段的数据吧，不会像这样直接给出1亿个单词的文件。