barandinho/wikipedia_tr

土耳其语维基百科数据集包含了截至2023年1月11日的土耳其语维基百科文章。数据集包含536,011个示例，总大小为779,125,706字节。每个示例包含URL、标题和文本字段。数据集的下载大小为438,594,419字节，使用Apache 2.0许可证。

The Turkish Wikipedia Dataset includes articles from the Turkish Wikipedia up to the knowledge cutoff date of January 11, 2023. The dataset contains 536,011 examples with a total size of 779,125,706 bytes. Each example includes fields for URL, title, and text. The download size of the dataset is 438,594,419 bytes, and it is licensed under Apache 2.0.

原始信息汇总

Wikipedia Turkish Dataset

基本信息

• 语言: 土耳其语 (tr)
• 知识截止日期: 2023年11月1日
• 许可证: Apache 2.0

数据集结构

特征

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

分割

• train:
  • 样本数量: 536011
  • 字节数: 779125706

文件信息

• 下载大小: 438594419 字节
• 数据集大小: 779125706 字节

配置

• config_name: default
  • 数据文件:
    • split: train
    • 路径: data/train-*