five

khulnasoft/banglawiki

收藏
Hugging Face2024-07-10 更新2024-07-22 收录
下载链接：
https://hf-mirror.com/datasets/khulnasoft/banglawiki
下载链接
链接失效反馈
官方服务：
资源简介：
该数据集是一个多语言的文本数据集，涵盖了多种语言，包括但不限于阿拉伯语、英语、法语、德语、中文等。数据集的任务类别包括文本生成和填充掩码，适用于语言建模和掩码语言建模任务。数据集的大小从小于1K到大于10M不等，表明数据集的规模较大且多样化。数据集的特征包括id、url、title和text，分别表示每个数据条目的唯一标识符、来源链接、标题和文本内容。

This dataset is a multilingual text dataset that covers a variety of languages, including but not limited to Arabic, English, French, German, Chinese, etc. The task categories of the dataset include text generation and fill-mask, suitable for language modeling and masked language modeling tasks. The size of the dataset ranges from less than 1K to more than 10M, indicating that the dataset is large and diverse. The features of the dataset include id, url, title, and text, representing the unique identifier, source link, title, and text content of each data entry, respectively.
提供机构：
khulnasoft
原始信息汇总

Banglawiki 数据集概述

基本信息

  • 数据集名称: Banglawiki
  • 数据集类型: 文本数据
  • 语言: 多语言
  • 许可证: CC BY-SA 3.0, GFDL

任务类型

  • 任务类别:
    • 文本生成
    • 填充掩码
  • 任务ID:
    • 语言建模
    • 掩码语言建模

数据集配置

  • 配置名称: 20230601.ab

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 4183525
        • 样本数: 6114
    • 下载大小: 1172328
    • 数据集大小: 4183525

  • 配置名称: 20230601.ace

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 4887561
        • 样本数: 12839
    • 下载大小: 1473823
    • 数据集大小: 4887561

  • 配置名称: 20230601.ady

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 613082
        • 样本数: 609
    • 下载大小: 280249
    • 数据集大小: 613082

  • 配置名称: 20230601.af

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 220678901
        • 样本数: 108170
    • 下载大小: 121238071
    • 数据集大小: 220678901

  • 配置名称: 20230601.ak

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 189
        • 样本数: 1
    • 下载大小: 3045
    • 数据集大小: 189

  • 配置名称: 20230601.als

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 80615079
        • 样本数: 29804
    • 下载大小: 48883379
    • 数据集大小: 80615079

  • 配置名称: 20230601.alt

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 5786027
        • 样本数: 1082
    • 下载大小: 2401701
    • 数据集大小: 5786027

  • 配置名称: 20230601.am

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 24009050
        • 样本数: 13839
    • 下载大小: 10615909
    • 数据集大小: 24009050

  • 配置名称: 20230601.ami

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 3865236
        • 样本数: 1570
    • 下载大小: 2006639
    • 数据集大小: 3865236

  • 配置名称: 20230601.an

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 56295233
        • 样本数: 43744
    • 下载大小: 29055888
    • 数据集大小: 56295233

  • 配置名称: 20230601.ang

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 2854073
        • 样本数: 4019
    • 下载大小: 1756372
    • 数据集大小: 2854073

  • 配置名称: 20230601.anp

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 9055032
        • 样本数: 2736
    • 下载大小: 3270423
    • 数据集大小: 9055032

  • 配置名称: 20230601.ar

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 3052201469
        • 样本数: 1205403
    • 下载大小: 1319905253
    • 数据集大小: 3052201469

  • 配置名称: 20230601.arc

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 830073
        • 样本数: 1925
    • 下载大小: 360590
    • 数据集大小: 830073

  • 配置名称: 20230601.ary

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 10007364
        • 样本数: 6703
    • 下载大小: 4094420
    • 数据集大小: 10007364

  • 配置名称: 20230601.arz

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 1364641408
        • 样本数: 1617770
    • 下载大小: 306336320
    • 数据集大小: 1364641408

  • 配置名称: 20230601.as

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 86645223
        • 样本数: 11988
    • 下载大小: 33149841
    • 数据集大小: 86645223

  • 配置名称: 20230601.ast

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 470349731
        • 样本数: 132550
    • 下载大小: 271011784
    • 数据集大小: 470349731

  • 配置名称: 20230601.atj

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 993287
        • 样本数: 1965
    • 下载大小: 502890
    • 数据集大小: 993287

  • 配置名称: 20230601.av

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 5996158
        • 样本数: 3392
    • 下载大小: 2514243
    • 数据集大小: 5996158

  • 配置名称: 20230601.avk

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 31189461
        • 样本数: 27493
    • 下载大小: 7729144
    • 数据集大小: 31189461

  • 配置名称: 20230601.awa

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 3588050
        • 样本数: 3701
    • 下载大小: 1230725
    • 数据集大小: 3588050

  • 配置名称: 20230601.ay

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 4357283
        • 样本数: 5287
    • 下载大小: 1736571
    • 数据集大小: 4357283

  • 配置名称: 20230601.az

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 425710145
        • 样本数: 194486
    • 下载大小: 225589717
    • 数据集大小: 425710145

  • 配置名称: 20230601.azb

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 186034971
        • 样本数: 243041
    • 下载大小: 46251265
    • 数据集大小: 186034971

  • 配置名称: 20230601.ba

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 293142247
        • 样本数: 62907
    • 下载大小: 120320323
    • 数据集大小: 293142247

  • 配置名称: 20230601.ban

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 16509353
        • 样本数: 19293
    • 下载大小: 6302437
    • 数据集大小: 16509353

  • 配置名称: 20230601.bar

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 36001708
        • 样本数: 26978
    • 下载大小: 21611902
    • 数据集大小: 36001708

  • 配置名称: 20230601.bat-smg

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 7536614
        • 样本数: 17181
    • 下载大小: 3411835
    • 数据集大小: 7536614

  • 配置名称: 20230601.be-x-old

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 244894736
        • 样本数: 82917
    • 下载大小: 110733701
    • 数据集大小: 244894736

  • 配置名称: 20230601.bcl

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 18259970
        • 样本数: 13934
    • 下载大小: 10086356
    • 数据集大小: 18259970

  • 配置名称: 20230601.be

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 606416485
        • 样本数: 231617
    • 下载大小: 280474552
    • 数据集大小: 606416485

  • 配置名称: 20230601.bg

    • 特征:
      • id: string
      • url: string
      • title: string
      • text: string
    • 分割:
      • train
        • 字节数: 1080390968
        • 样本数: 291361
    • 下载大小: 506945262
    • 数据集大小: 1080390968

  • 配置名称: 202

5,000+
优质数据集
54 个
任务类型
进入经典数据集
关于我们
遇见数据集——让每个数据集都被发现，让每一次遇见都有价值。
数发科官网www.sfktec.com.cn
联系我们
youjian
selectdataset@iotsh.com.cn
商业合作
数据驱动未来，携手共赢发展
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作