five

nlp4j/wikipedia

收藏
Hugging Face2023-11-15 更新2024-03-04 收录
下载链接:
https://hf-mirror.com/datasets/nlp4j/wikipedia
下载链接
链接失效反馈
官方服务:
资源简介:
--- annotations_creators: - no-annotation language: - ja license: - cc-by-sa-3.0 source_datasets: - original pretty_name: Wikipedia config_names: - 20230101.ja configs: - config_name: 20230101.ja data_files: - split: train path: 20230101.ja/train-* - config_name: 20230101.ja.type0 data_files: - split: train path: 20230101.ja.type0/train-* - config_name: 20230101.ja.type1 data_files: - split: train path: 20230101.ja.type1/train-* - config_name: 20230801.ja.type1 data_files: - split: train path: 20230801.ja.type1/train-* - config_name: 20230901.ja.type1 data_files: - split: train path: 20230901.ja.type1/train-* - config_name: 20231001.ja.type1 data_files: - split: train path: 20231001.ja.type1/train-* - config_name: 20231101.ja.type1 data_files: - split: train path: 20231101.ja.type1/train-* - config_name: default data_files: - split: train path: data/train-* dataset_info: - config_name: 20230101.ja features: - name: id dtype: string - name: url dtype: string - name: title dtype: string - name: text dtype: string splits: - name: train num_bytes: 5445627558 num_examples: 2192693 download_size: 3016211435 dataset_size: 5445627558 - config_name: 20230101.ja.type0 features: - name: id dtype: string - name: url dtype: string - name: title dtype: string - name: wikitext dtype: string splits: - name: train num_bytes: 12897936907 num_examples: 2192693 download_size: 6648740055 dataset_size: 12897936907 - config_name: 20230101.ja.type1 features: - name: id dtype: string - name: url dtype: string - name: title dtype: string - name: text dtype: string splits: - name: train num_bytes: 5445627558 num_examples: 2192693 download_size: 3016211435 dataset_size: 5445627558 - config_name: 20230801.ja.type1 features: - name: id dtype: string - name: url dtype: string - name: title dtype: string - name: text dtype: string splits: - name: train num_bytes: 5578527799 num_examples: 2237531 download_size: 3089288079 dataset_size: 5578527799 - config_name: 20230901.ja.type1 features: - name: id dtype: string - name: url dtype: string - name: title dtype: string - name: text dtype: string splits: - name: train num_bytes: 5595772816 num_examples: 2243408 download_size: 3099146546 dataset_size: 5595772816 - config_name: 20231001.ja.type1 features: - name: id dtype: string - name: url dtype: string - name: title dtype: string - name: text dtype: string splits: - name: train num_bytes: 5616001418 num_examples: 2246589 download_size: 3109672199 dataset_size: 5616001418 - config_name: 20231101.ja.type1 features: - name: id dtype: string - name: url dtype: string - name: title dtype: string - name: text dtype: string splits: - name: train num_bytes: 5636247958 num_examples: 2252320 download_size: 3120907128 dataset_size: 5636247958 - config_name: default features: - name: id dtype: string - name: url dtype: string - name: title dtype: string - name: text dtype: string splits: - name: train num_bytes: 5132551154 num_examples: 2192693 download_size: 2888006523 dataset_size: 5132551154 --- # Dataset Card for "wikipedia" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
提供机构:
nlp4j
原始信息汇总

数据集概述

基本信息

  • 数据集名称: Wikipedia
  • 语言: 日语 (ja)
  • 许可证: CC-BY-SA-3.0
  • 数据来源: 原始数据

配置信息

配置 20230101.ja

  • 特征:
    • id: 字符串
    • url: 字符串
    • title: 字符串
    • text: 字符串
  • 分割:
    • train:
      • 字节数: 5445627558
      • 样本数: 2192693
  • 下载大小: 3016211435 字节
  • 数据集大小: 5445627558 字节

配置 20230101.ja.type0

  • 特征:
    • id: 字符串
    • url: 字符串
    • title: 字符串
    • wikitext: 字符串
  • 分割:
    • train:
      • 字节数: 12897936907
      • 样本数: 2192693
  • 下载大小: 6648740055 字节
  • 数据集大小: 12897936907 字节

配置 20230101.ja.type1

  • 特征:
    • id: 字符串
    • url: 字符串
    • title: 字符串
    • text: 字符串
  • 分割:
    • train:
      • 字节数: 5445627558
      • 样本数: 2192693
  • 下载大小: 3016211435 字节
  • 数据集大小: 5445627558 字节

配置 20230801.ja.type1

  • 特征:
    • id: 字符串
    • url: 字符串
    • title: 字符串
    • text: 字符串
  • 分割:
    • train:
      • 字节数: 5578527799
      • 样本数: 2237531
  • 下载大小: 3089288079 字节
  • 数据集大小: 5578527799 字节

配置 20230901.ja.type1

  • 特征:
    • id: 字符串
    • url: 字符串
    • title: 字符串
    • text: 字符串
  • 分割:
    • train:
      • 字节数: 5595772816
      • 样本数: 2243408
  • 下载大小: 3099146546 字节
  • 数据集大小: 5595772816 字节

配置 20231001.ja.type1

  • 特征:
    • id: 字符串
    • url: 字符串
    • title: 字符串
    • text: 字符串
  • 分割:
    • train:
      • 字节数: 5616001418
      • 样本数: 2246589
  • 下载大小: 3109672199 字节
  • 数据集大小: 5616001418 字节

配置 20231101.ja.type1

  • 特征:
    • id: 字符串
    • url: 字符串
    • title: 字符串
    • text: 字符串
  • 分割:
    • train:
      • 字节数: 5636247958
      • 样本数: 2252320
  • 下载大小: 3120907128 字节
  • 数据集大小: 5636247958 字节

配置 default

  • 特征:
    • id: 字符串
    • url: 字符串
    • title: 字符串
    • text: 字符串
  • 分割:
    • train:
      • 字节数: 5132551154
      • 样本数: 2192693
  • 下载大小: 2888006523 字节
  • 数据集大小: 5132551154 字节
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作