HuggingFaceGECLM/wikipedia_urls

数据集wikipedia_urls包含了大量的维基百科链接及其相关信息，如域名、相关维基标题和链接计数。这些数据可用于网络分析、信息检索和数据挖掘等任务。

---
数据集信息：
特征字段：
- 字段名：url，数据类型：字符串（string）
- 字段名：domain，数据类型：字符串（string）
- 字段名：wiki_titles，数据类型：字符串序列（sequence: string）
- 字段名：count，数据类型：64位整型（int64）
数据集划分：
- 划分名称：train（训练集），占用字节数：4215693880，样本数量：28370288
下载大小：1535550647
数据集总占用大小：4215693880
---
# 维基百科链接（wikipedia_urls）数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

wikipedia_urls

数据集特征

• url: 数据类型为字符串。
• domain: 数据类型为字符串。
• wiki_titles: 数据类型为字符串序列。
• count: 数据类型为int64。

数据集分割

• train:
  • 数据量: 4215693880字节
  • 示例数量: 28370288

数据集大小

• 下载大小: 1535550647字节
• 数据集总大小: 4215693880字节