indonesian-nlp/wikipedia-id

---
language:
- id
dataset_info:
features:
- name: docid
dtype: string
- name: title
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 483600907.4401386
num_examples: 1301683
- name: test
num_bytes: 53733640.559861444
num_examples: 144632
download_size: 345590743
dataset_size: 537334548.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• docid: 数据类型为字符串。
• title: 数据类型为字符串。
• text: 数据类型为字符串。

数据集分割

• 训练集:
  • 示例数量: 1301683
  • 数据大小: 483600907.4401386 字节
• 测试集:
  • 示例数量: 144632
  • 数据大小: 53733640.559861444 字节

数据集大小

• 下载大小: 345590743 字节
• 数据集总大小: 537334548.0 字节

数据文件配置

• 默认配置:
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*