five

haryoaw/wikipedia-processed

收藏
Hugging Face2025-10-24 更新2025-10-25 收录
下载链接:
https://hf-mirror.com/datasets/haryoaw/wikipedia-processed
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集是一个多语言文本数据集,包含英语、法语、印尼语和中文四种语言的文本数据。每种语言配置都有大约300万(中文为2906163)个训练样本。数据集以不同的配置名区分,如en-512-3M代表英语数据集,包含大约932,321,009字节的训练数据。

The dataset is a multilingual text dataset containing text data in English, French, Indonesian, and Chinese. Each language configuration has about 3 million (Chinese has 2,906,163) training samples. The dataset is distinguished by different configuration names, such as en-512-3M for the English dataset, which contains about 932,321,009 bytes of training data.
提供机构:
haryoaw
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作