wiki_docs

kaggle2024-02-28 更新2024-04-26 收录

下载链接：

https://www.kaggle.com/datasets/rithikaakula/wiki-docs

下载链接

链接失效反馈

官方服务：

资源简介：

创建时间：

2024-02-28

MULTIEURLEX-DOC, WIKI-DOC

MULTIEURLEX-DOC和WIKI-DOC是AWS AI Labs精心策划的两个多语言多标签文档图像分类数据集。MULTIEURLEX-DOC包含23种不同语言的欧盟法律文档，每个文档可能被分配到一个或多个标签，强调文档内容的深度理解。WIKI-DOC则包含非欧洲语言的文档，如中文、日文和阿拉伯文，这些文档不仅包含文本，还有丰富的非文本内容，如表格和图像。这两个数据集的创建旨在推动文档AI模

arXiv2023-10-25 更新70

Sangmun/wiki_doc_preprocessed

--- license: other ---

Hugging Face2023-01-01 更新80

Sangmun/wiki_doc_preprocessed_withtitle

--- license: other ---

Hugging Face2023-01-01 更新30

vntc/wiki-docs

--- dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 1085300386 num_examples: 334664 download_size: 513306636 dataset_size: 1085300386 config

Hugging Face2024-01-26 更新50

Hieuman/wiki_en-doc

该数据集包含作者的标识符（authorIDs）和完整的文本内容（fullText）。它有一个训练集分割，共有约4558176个示例，总数据大小约为14.93GB。数据集的下载大小约为9.17GB。

Hugging Face2025-03-30 更新70