wikipedia-20240901

# Dataset Card for Wikipedia English September 2024

Dataset created using this [repo](https://huggingface.co/datasets/NeuML/wikipedia) with a September 2024 Wikipedia snapshot.

This repo also has a precomputed pageviews database. This database has the aggregated number of views for each page in Wikipedia. This file is built using the Wikipedia [Pageview complete dumps](https://dumps.wikimedia.org/other/pageview_complete/readme.html)

# 2024年9月英文维基百科数据集卡片

本数据集基于此[代码仓库](https://huggingface.co/datasets/NeuML/wikipedia)制作，采用2024年9月的维基百科数据快照。

该代码仓库同时提供预计算完成的页面访问量数据库。该数据库汇总了维基百科各页面的总访问次数，其构建依托维基百科的[完整页面访问量转储文件](https://dumps.wikimedia.org/other/pageview_complete/readme.html)

搜集汇总

背景与挑战

背景概述

该数据集是基于2024年9月英文维基百科快照生成的，包含23.88GB的数据，并附带预计算的页面浏览量数据库，记录了每个页面的总浏览量。