olmer/wiki_paragraphs

---
license: cc-by-sa-3.0
language:
- en
pretty_name: Wikipedia Paragraphs
---
This dataset contains 43 911 155 paragraphs from 6 458 670 [Wikipedia articles](https://huggingface.co/datasets/wikipedia). Size of each paragraph varies from 20 to 2000 characters. The article title is prepended to the text of each paragraph.

许可证：CC BY-SA 3.0
语言：英语
规范名称：维基百科段落（Wikipedia Paragraphs）
本数据集收录了来自6,458,670篇维基百科（Wikipedia）文章（详见https://huggingface.co/datasets/wikipedia）的43,911,155个段落。每个段落的字符长度区间为20至2000，每段文本的开头均前置其所属文章的标题。

原始信息汇总

数据集概述

数据集名称

• 名称: Wikipedia Paragraphs

数据集内容

• 内容描述: 包含43,911,155个段落，来自6,458,670篇Wikipedia文章。
• 段落特征: 每个段落的长度介于20至2000个字符之间。
• 附加信息: 每个段落文本前附有文章标题。

数据集语言

• 语言: 英语 (en)

许可证

• 许可证: CC-BY-SA-3.0