dhananjay26/hug_wiki_hindi

---
dataset_info:
features:
- name: text
dtype: string
- name: id
dtype: string
- name: metadata
struct:
- name: file_path
dtype: string
- name: title
dtype: string
- name: token_count
dtype: int64
- name: url
dtype: string
splits:
- name: train
num_bytes: 636841820
num_examples: 113723
download_size: 231497146
dataset_size: 636841820
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集特征

• text: 数据类型为字符串。
• id: 数据类型为字符串。
• metadata: 结构化数据，包含以下字段：
  • file_path: 数据类型为字符串。
  • title: 数据类型为字符串。
  • token_count: 数据类型为整数64位。
  • url: 数据类型为字符串。

数据集分割

• train: 训练集，包含113723个样本，总大小为636841820字节。

数据集大小

• 下载大小: 231497146字节。
• 数据集大小: 636841820字节。

配置

• default: 训练数据文件路径为data/train-*。