mboyanov/bgwiki
收藏Hugging Face2024-04-25 更新2024-06-12 收录
下载链接：
https://hf-mirror.com/datasets/mboyanov/bgwiki
下载链接
链接失效反馈官方服务：
资源简介：
---
language:
- bg
---
Bulgarian wikipedia dump from https://dumps.wikimedia.org/bgwiki/20240420/
Cleaned up with Wikiextractor
```
wikiextractor bgwiki-20240420-pages-meta-current.xml --json -b 5000M
```
Removed articles with zero length.
Converted the output to parquet using pandas.
提供机构：
mboyanov
原始信息汇总
数据集概述
语言
- 保加利亚语（bg）
数据来源
- 数据来源于保加利亚语维基百科的2024年4月20日备份，网址为：https://dumps.wikimedia.org/bgwiki/20240420/
数据处理
- 使用Wikiextractor工具进行清理。
- 移除了长度为零的文章。
- 使用pandas将输出转换为Parquet格式。
处理命令
wikiextractor bgwiki-20240420-pages-meta-current.xml --json -b 5000M
