five

TiWu-Lab/Wiki-zh

收藏
Hugging Face2025-04-22 更新2025-11-01 收录
下载链接:
https://hf-mirror.com/datasets/TiWu-Lab/Wiki-zh
下载链接
链接失效反馈
官方服务:
资源简介:
这是一个经过清洗的中文维基百科数据集,其中所有文本已从繁体中文转换为简体中文。数据集通过去除重复内容、低质量文本以及评分低于3分的文本进行了质量提升。最终包含2,021,184个样本,数据集以Parquet格式存储,总大小为3G。

This is a cleaned Chinese Wikipedia dataset where all text has been converted from Traditional Chinese to Simplified Chinese. The dataset has been enhanced by removing duplicates, low-quality text, and any documents scored 1 or 2 by a language quality classifier. It contains 2,021,184 samples and is stored in Parquet format with a total size of 3G.
提供机构:
TiWu-Lab
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作