nthngdy/wikipedia-22-12-concat-split

---
dataset_info:
features:
- name: id
dtype: int32
- name: title
dtype: string
- name: text
dtype: string
- name: url
dtype: string
- name: wiki_id
dtype: int32
- name: views
dtype: float32
- name: paragraph_id
dtype: int32
- name: langs
dtype: int32
splits:
- name: train
num_bytes: 48294127307
num_examples: 91619866
- name: validation
num_bytes: 384002884
num_examples: 934895
- name: test
num_bytes: 427509717
num_examples: 934896
download_size: 27012057296
dataset_size: 49105639908
---
# Dataset Card for "wikipedia-22-12-concat-split"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• 名称: wikipedia-22-12-concat-split

数据集特征

• 特征列表:
  • id: 数据类型为 int32
  • title: 数据类型为 string
  • text: 数据类型为 string
  • url: 数据类型为 string
  • wiki_id: 数据类型为 int32
  • views: 数据类型为 float32
  • paragraph_id: 数据类型为 int32
  • langs: 数据类型为 int32

数据集分割

• 训练集:
  • 数据量: 48294127307 字节
  • 示例数量: 91619866
• 验证集:
  • 数据量: 384002884 字节
  • 示例数量: 934895
• 测试集:
  • 数据量: 427509717 字节
  • 示例数量: 934896

数据集大小

• 下载大小: 27012057296 字节
• 数据集总大小: 49105639908 字节