hpprc/jawiki-books-paragraphs

该数据集是一个日语文本数据集，包含186,034个训练样本。每个样本包含passage_id、title、section_title和text四个特征。数据集的总大小为50,210,119字节，下载大小为18,150,816字节。数据集的许可证为CC BY-SA 4.0。

This dataset is a Japanese text dataset containing 186,034 training samples. Each sample includes four features: passage_id, title, section_title, and text. The total size of the dataset is 50,210,119 bytes, with a download size of 18,150,816 bytes. The dataset is licensed under CC BY-SA 4.0.

原始信息汇总

数据集概述

语言

• 日语（ja）

许可证

• CC BY-SA 4.0

数据集信息

特征

• passage_id: 整数类型（int64）
• title: 字符串类型（string）
• section_title: 字符串类型（string）
• text: 字符串类型（string）

数据分割

• train:
  • 字节数: 50210119
  • 样本数: 186034

文件大小

• 下载大小: 18150816 字节
• 数据集大小: 50210119 字节

配置

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