170万个YouTube视频的简介
2005—2010年47,860篇英语新闻的匿名汇总，文章长度在500字和500,000字之间，英文单词占比高达90%（40 GB）
从2006年1月至2015年8月31日所有公开可用的Reddit推荐帖（42 GB）
一周内（2017年8月24日至2017年8月30日）全球在线发布的大多新闻内容的快照，包括大约140万篇文章、20,000个新闻来源和20多 ...
所有《纽约时报》的Facebook帖子
230,000份材料安全数据表，包含化学成分、急救措施、储存和处理等信息（3 GB）
来源于各个地方的208,000个纯文本笑话
包含n-gram及其观察到的频率计数。n-gram的长度从unigrams（单个单词）到5-gram，主要用于统计语言建模（24 GB）
包含在整个语料库中出现超过40次的n-gram，优化了快速查询小组短语的用法
来自管理联邦采购数据系统（FPDS-NG）的联邦采购数据中心（FPDC）的转储，真实性和准确性已受承诺（180 GB）
Khan