MLDataScientist/Wikipedia-uzbek-2024-05-01

---
license: apache-2.0
dataset_info:
features:
- name: id
dtype: string
- name: url
dtype: string
- name: title
dtype: string
- name: text
dtype: string
- name: text_len
dtype: int64
splits:
- name: train
num_bytes: 415422789
num_examples: 259716
download_size: 219275784
dataset_size: 415422789
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
task_categories:
- text-generation
- text-classification
language:
- uz
size_categories:
- 100K<n<1M
---

This dataset contains wikipedia dump in the Uzbek language for the date May 2024.

原始信息汇总

数据集概述

数据集基本信息

• 许可证: Apache-2.0

数据集特征

• id: 数据类型为字符串
• url: 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
• text_len: 数据类型为int64

数据集分割

• 训练集:
  • 字节数: 415422789
  • 示例数: 259716

数据集大小

• 下载大小: 219275784
• 数据集大小: 415422789

配置

• 默认配置:
  • 数据文件路径: data/train-*

任务类别

• 文本生成
• 文本分类

语言

• 乌兹别克语 (uz)

大小类别

• 100K<n<1M