Keithsel/viwiki-20260523

该数据集包含从MediaWiki XML转储导出的越南语维基百科文章，提供两个配置版本：cleaned（清理版）包含清理后的纯文本，适用于一般NLP任务；raw（原始版）包含原始的维基文本，适用于图、链接或模板提取。每个版本均包含以下字段：id（维基百科页面ID）、url（文章URL）、title（文章标题）和text（文本内容）。数据来源于越南语维基百科转储，文本遵循CC BY-SA许可证。

This dataset contains Vietnamese Wikipedia articles exported from MediaWiki XML dumps, with two configurations: cleaned provides cleaned plain text for general NLP tasks, and raw provides raw wikitext for graph/link/template extraction. Each includes fields: id (Wikipedia page id), url (article URL), title (article title), and text (text content). Source is Vietnamese Wikipedia dump, with text licensed under CC BY-SA.