--- language: mt dataset_info: features: - name: id dtype: string - name: url dtype: string - name: title dtype: string - name: text dtype: string splits: - name: train

Hugging Face2023-08-14 更新200

Data from: Robust clustering of languages across Wikipedia growth

维基百科

语言集群

Wikipedia is the largest existing knowledge repository that is growing on a genuine crowdsourcing support. While the English Wikipedia is the most extensive and the most researched one with over five

DataONE2017-09-19 更新100

HuggingFaceFW/clean-wikipedia

维基百科

自然语言处理

这是一个包含多种语言文本数据的数据集，每个配置包含文本、标题、URL、维基代码、ISO 639-3代码和脚本等特征。数据集包含多个语言配置，每个配置都有对应的训练集和下载大小信息。

Hugging Face2025-10-21 更新80

mmnga/wikipedia-ja-20230720-50k

维基百科

日本语应用

该数据集是从[izumi-lab/wikipedia-ja-20230720]中随机抽取的50,000条记录，包含curid、title和text三个特征。数据集分为train分割，下载大小为78354971字节，数据集大小为134082445.03326812字节。

Hugging Face2023-09-25 更新180

sunilsah-447349/Hansel