bourdoiscatie/wikipedia_fr_2022
收藏Hugging Face2025-04-09 更新2024-06-12 收录
下载链接：
https://hf-mirror.com/datasets/bourdoiscatie/wikipedia_fr_2022
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含多个特征字段，包括标题（title）、文本内容（text）、维基百科ID（wiki_id）、浏览量（views）、段落ID（paragraph_id）、语言代码（langs）以及嵌入向量（emb）。数据集主要用于存储与维基百科相关的文本数据，可能用于自然语言处理任务，如文本分类、信息检索或语言模型训练。数据集包含一个训练集分割，包含13,326,273个样本，总大小为60,149,268,480字节。
该数据集包含多个特征字段，包括标题（title）、文本内容（text）、维基百科ID（wiki_id）、浏览量（views）、段落ID（paragraph_id）、语言代码（langs）以及嵌入向量（emb）。数据集主要用于存储与维基百科相关的文本数据，可能用于自然语言处理任务，如文本分类、信息检索或语言模型训练。数据集包含一个训练集分割，包含13,326,273个样本，总大小为60,149,268,480字节。
提供机构：
bourdoiscatie
原始信息汇总
数据集概述
数据集特征
- title：字符串类型
- text：字符串类型
- wiki_id：整数类型（int32）
- views：浮点数类型（float32）
- paragraph_id：整数类型（int32）
- langs：整数类型（int32）
- emb：序列类型，浮点数类型（float32）
数据集分割
- train：
- 数据量：13326273个样本
- 存储大小：60149268480字节
数据集大小
- 下载大小：66185591146字节
- 数据集大小：60149268480字节
配置信息
- config_name：default
- data_files：
- split：train
- path：data/train-*
