hpprc/jawiki-slim

---
dataset_info:
features:
- name: id
dtype: int64
- name: title
dtype: string
- name: text
dtype: string
- name: is_disambiguation_page
dtype: bool
- name: is_sexual_page
dtype: bool
- name: is_violent_page
dtype: bool
- name: url
dtype: string
splits:
- name: train
num_bytes: 3826599238
num_examples: 1399160
download_size: 2201709335
dataset_size: 3826599238
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
license:
- cc-by-sa-3.0
- gfdl
language:
- ja
---

原始信息汇总

数据集概述

特征信息

• id: 数据类型为 int64
• title: 数据类型为 string
• text: 数据类型为 string
• is_disambiguation_page: 数据类型为 bool
• is_sexual_page: 数据类型为 bool
• is_violent_page: 数据类型为 bool
• url: 数据类型为 string

数据分割

• train: 包含 1,399,160 个样本，总字节数为 3,826,599,238 字节

数据集大小

• 下载大小: 2,201,709,335 字节
• 数据集大小: 3,826,599,238 字节

配置信息

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

许可证

• cc-by-sa-3.0
• gfdl

语言

• ja