wikipedia-20250123

# Dataset Card for Wikipedia English January 2025

Dataset created using this [repo](https://huggingface.co/datasets/NeuML/wikipedia) with a [January 2025 Wikipedia snapshot](https://dumps.wikimedia.org/enwiki/20250123/).

This repo also has a precomputed pageviews database. This database has the aggregated number of views for each page in Wikipedia. This file is built using the Wikipedia [Pageview complete dumps](https://dumps.wikimedia.org/other/pageview_complete/readme.html)

# 2025年1月版英文维基百科数据集卡片（Dataset Card）

本数据集依托该代码仓库（repo）创建，使用了2025年1月23日的英文维基百科快照（snapshot），相关代码仓库链接：https://huggingface.co/datasets/NeuML/wikipedia，维基百科快照下载链接：https://dumps.wikimedia.org/enwiki/20250123/。

本代码仓库同时提供预计算完成的页面访问量数据库，该数据库汇总了维基百科各页面的累计访问次数，其构建依托维基百科的完整页面访问量转储文件（Pageview complete dumps），相关转储说明文档链接：https://dumps.wikimedia.org/other/pageview_complete/readme.html。

搜集汇总

背景与挑战

背景概述

该数据集基于2025年1月的Wikipedia快照构建，包含预计算的页面浏览量数据库，用于统计每个页面的聚合浏览量。数据集采用Apache License 2.0许可，文件大小为24.05GB。