EliMC/structured-wikipedia

这是英文和法文维基百科文章的早期测试版发布，包含预解析的文章内容，特别是信息框。该数据集涵盖了所有英文和法文维基百科的文章，旨在提供结构化数据，用于语言建模和掩码语言建模等任务。数据集具有丰富的特征，如文章名称、标识符、摘要、版本信息、编辑者详情、事件记录、语言信息、许可证、描述、章节结构、信息框、主要实体和图像等，以支持自然语言处理应用。目前处于测试阶段，欢迎反馈。

Early beta release of pre-parsed English and French Wikipedia articles including infoboxes. Inviting feedback. This dataset contains all articles of the English and French language editions of Wikipedia.