wiki-paragraphs
收藏kaggle2023-09-17 更新2024-03-07 收录
下载链接：
https://www.kaggle.com/datasets/cpmpml/wiki-paragraphs
下载链接
链接失效反馈官方服务：
资源简介：
应用场景：
创建时间：
2023-09-17
相关数据集
dennlinger/wiki-paragraphs
`wiki-paragraphs`数据集通过从维基百科文章中自动采样两个段落来构建，如果它们来自同一部分，则被视为“语义匹配”，否则视为“不相似”。数据集主要用于“同部分分类”任务，即判断两个句子/段落是否属于同一部分。数据集的构建基于Wiki-727k数据集，但使用了更新的维基百科数据。数据集包含训练、验证和测试集，分别占总数据的80%、10%和10%。数据集的使用应考虑其自动提取的语义相似性不
Hugging Face2022-10-13 更新220
pere/wiki_paragraphs_english
WIKI段落数据集英文版，用于机器学习研究和评估的多分割数据集，包含文本样本和元数据，遵循Creative Commons Attribution-ShareAlike 3.0许可。
Hugging Face2025-02-01 更新20
pere/wiki_paragraphs_norwegian
WIKI Paragraphs Norwegian是一个多分割的数据集，用于机器学习研究和评估，包含文本样本，采用JSON Lines格式。数据集包含多个分割，适用于不同的使用场景，包括随机洗牌、结构化格式和大小不同的验证/测试集。总样本量为1,132,200。
Hugging Face2025-02-03 更新80
olmer/wiki_paragraphs
--- license: cc-by-sa-3.0 language: - en pretty_name: Wikipedia Paragraphs --- This dataset contains 43 911 155 paragraphs from 6 458 670 [Wikipedia articles](https://huggingface.co/datasets/wikipedia
Hugging Face2023-05-20 更新220
danibor/wiki-paragraphs-es
该数据集包含网页URL、标题(title)和正文段落(paragraph)三个字段的信息。训练集规模约为2.7GB，共有约1563926条样本数据。数据集适用于文本处理相关的机器学习任务。
Hugging Face2025-02-28 更新40
