livinNector/tawikidump-20230320-clean
收藏资源简介：
--- dataset_info: features: - name: text dtype: string splits: - name: tawikiquote num_bytes: 6415052 num_examples: 1211 - name: tawikisource num_bytes: 114028540 num_examples: 5031 - name: tawiki num_bytes: 736907252 num_examples: 155212 - name: tawikinews num_bytes: 14149677 num_examples: 3372 - name: tawiktionary num_bytes: 154806778 num_examples: 406557 - name: tawikibooks num_bytes: 4631755 num_examples: 1155 download_size: 310101942 dataset_size: 1030939054 --- # Dataset Card for "tawikidump-20230320-clean" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
--- 数据集信息: 特征: - 名称: 文本 数据类型: 字符串 拆分: - 名称: tawikiquote 字节数: 6415052 样本数: 1211 - 名称: tawikisource 字节数: 114028540 样本数: 5031 - 名称: tawiki 字节数: 736907252 样本数: 155212 - 名称: tawikinews 字节数: 14149677 样本数: 3372 - 名称: tawiktionary 字节数: 154806778 样本数: 406557 - 名称: tawikibooks 字节数: 4631755 样本数: 1155 下载大小: 310101942 数据集大小: 1030939054 --- # 数据集卡片："tawikidump-20230320-clean" [需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
数据集概述
数据集名称
- 名称: tawikidump-20230320-clean
数据集特征
- 特征:
- 名称: text
- 数据类型: string
数据集分割
- 分割名称: tawikiquote
- 示例数量: 1211
- 字节数: 6415052
- 分割名称: tawikisource
- 示例数量: 5031
- 字节数: 114028540
- 分割名称: tawiki
- 示例数量: 155212
- 字节数: 736907252
- 分割名称: tawikinews
- 示例数量: 3372
- 字节数: 14149677
- 分割名称: tawiktionary
- 示例数量: 406557
- 字节数: 154806778
- 分割名称: tawikibooks
- 示例数量: 1155
- 字节数: 4631755
数据集大小
- 下载大小: 310101942
- 数据集总大小: 1030939054
