hpprc/enwiki

---
language:
- en
license:
- cc-by-sa-3.0
- gfdl
pretty_name: enwiki
dataset_info:
features:
- name: id
dtype: int64
- name: title
dtype: string
- name: text
dtype: string
- name: paragraphs
list:
- name: paragraph_id
dtype: int64
- name: text
dtype: string
- name: title
dtype: string
- name: abstract
dtype: string
- name: date_created
dtype: string
- name: date_modified
dtype: string
- name: templates
sequence: string
- name: url
dtype: string
splits:
- name: train
num_bytes: 39389740787
num_examples: 6782763
download_size: 22270203942
dataset_size: 39389740787
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 许可证:
  • CC BY-SA 3.0
  • GFDL
• 数据集名称: enwiki

数据集结构

特征

• id: 数据类型为 int64
• title: 数据类型为 string
• text: 数据类型为 string
• paragraphs: 列表类型，包含以下子特征:
  • paragraph_id: 数据类型为 int64
  • text: 数据类型为 string
  • title: 数据类型为 string
• abstract: 数据类型为 string
• date_created: 数据类型为 string
• date_modified: 数据类型为 string
• templates: 序列类型，数据类型为 string
• url: 数据类型为 string

数据分割

• train:
  • 字节数: 39,389,740,787
  • 样本数: 6,782,763

数据集大小

• 下载大小: 22,270,203,942 字节
• 数据集大小: 39,389,740,787 字节

配置

• 配置名称: default
• 数据文件:
  • 分割: train
  • 路径: data/train-*