tinhpx2911/wikipedia_20220620_filtered

---
dataset_info:
features:
- name: id
dtype: string
- name: url
dtype: string
- name: title
dtype: string
- name: text
dtype: string
- name: timestamp
dtype: timestamp[s]
- name: revid
dtype: string
splits:
- name: train
num_bytes: 1202604321
num_examples: 693016
download_size: 575102780
dataset_size: 1202604321
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "wikipedia_20220620_cleaned"

[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

数据集信息

• 特征列表：

  • id: 字符串类型
  • url: 字符串类型
  • title: 字符串类型
  • text: 字符串类型
  • timestamp: 时间戳类型（秒）
  • revid: 字符串类型

• 数据分割：

  • train:
    • 字节数: 1202604321
    • 样本数: 693016

• 数据大小：

  • 下载大小: 575102780
  • 数据集大小: 1202604321

配置信息

• 配置名称：default
  • 数据文件：
    • split: train
    • path: data/train-*