peakji/peak-text-with-context-2m

该数据集包含多种语言版本（如阿拉伯语、捷克语、德语、英语、西班牙语、波斯语、法语、印地语、印尼语、意大利语、日语、韩语、荷兰语、波兰语、葡萄牙语、俄语、土耳其语、越南语、简体中文和繁体中文）的文本数据。每个语言版本的数据集包含以下特征字段：id（唯一标识符）、text（文本内容）、text_type（文本类型）、context（上下文）、context_type（上下文类型）、source_language_name（源语言名称）、source_language_code（源语言代码）、source_title（源标题）和source_url（源URL）。数据集仅包含训练集，每个语言版本的数据集大小和样本数量各不相同。

This dataset contains text data in multiple languages, each language configuration has unique features such as ID, text, text type, context, context type, source language name, source language code, source title, and source URL. The dataset is primarily used for training, with each language configuration having corresponding training data size and number of examples.