Wiki

该数据集是从维基百科文章中抽取的一个子集，旨在训练主题分割模型，它放宽了主题限制，包含了多样化的文章内容。该数据集被划分为训练集、验证集和测试集，分布比例为80%、10%和10%。规模上，该数据集包含20,000个文档，其任务是进行主题分割。