WikiLinks

WikiLinks数据集是一个按段落、短语或部分段落本身搜索维基百科全文的数据集。数据集将维基百科上的每个页面视为代表一个实体 (或概念或想法)，基于从网络搜索中找到的超链接，并使用锚文本作为提及，最终可以提供大规模的标记数据。
数据集包括:
来自400万多篇文章的近19亿个单词4000万提到300万实体10压缩文本文件数据-0000[0-9]-of-00010.gz。
此数据集是在2012年9月29日上创建的。

搜集汇总

背景与挑战

背景概述

WikiLinks是一个基于维基百科的大规模全文搜索数据集，将页面视为实体并使用锚文本作为提及，包含约400万篇文章、19亿单词和4000万提及。该数据集由马萨诸塞大学阿默斯特分校于2012年9月29日发布，数据以压缩文本文件形式提供。