Badbummer/lojban-wikipedia-dump

Lojban (jbo) Wikipedia数据集是从维基媒体基金会获取的Lojban语言维基词典的转储文件，具体版本为jbowiktionary-20240101-pages-meta-current.xml.bz2。该数据集经过处理，使用PlainTextWikipedia工具将原始数据转换为纯文本格式，并通过Python脚本将多个JSON文件合并为一个jsonl文件。

原始信息汇总

Lojban (jbo) Wikipedia 数据集

数据来源

• 数据集是从以下链接获取的：
  • https://dumps.wikimedia.org/jbowiktionary/20240101/
• 具体版本为：jbowiktionary-20240101-pages-meta-current.xml.bz2

数据处理

• 使用工具 https://github.com/daveshap/PlainTextWikipedia 处理数据。
• 通过 chatGPT 生成的 Python 脚本将单独的 JSON 文件转换为单个 jsonl 文件。