vinhtran2611/wikipedia_filtered

该数据集包含362,586个训练样本，每个样本具有id、url、title和text四个特征，数据类型均为字符串。数据集总大小约为1.14GB，下载大小约为2.12GB。数据文件路径配置为默认路径下的train-*文件。

The dataset contains 362,586 training samples, each with four features: id, url, title, and text, all of which are of string type. The total dataset size is approximately 1.14GB, with a download size of approximately 2.12GB. The data file path is configured as train-* under the default path.

原始信息汇总

数据集概述

数据集特征

• id: 字符串类型
• url: 字符串类型
• title: 字符串类型
• text: 字符串类型

数据集划分

• train:
  • 样本数量: 362586
  • 数据大小: 1143020040.832585 字节

数据集大小

• 下载大小: 2120612412 字节
• 数据集大小: 1143020040.832585 字节

配置信息

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*