hpprc/jawiki-hyperlinks

该数据集包含多个特征，如文章ID、标题、章节标题、文本内容、实体、ID序列和文章ID序列。数据集仅包含一个训练集分割，共有10219164个样本，总大小为5539748471字节，下载大小为2893546048字节。

The dataset contains multiple features such as passage_id, title, section_title, text, entities, ids, and passage_ids. The dataset includes only a training split with 10219164 examples, totaling 5539748471 bytes in size, and a download size of 2893546048 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• passage_id: 整数类型
• title: 字符串类型
• section_title: 字符串类型
• text: 字符串类型
• entities: 字符串序列
• ids: 整数序列
• passage_ids: 整数序列

数据分割

• train:
  • 字节数: 5539748471
  • 样本数: 10219164

数据集大小

• 下载大小: 2893546048 字节
• 数据集大小: 5539748471 字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*