Wiki BERT Indonesia - BETA

kaggle2020-09-14 更新2024-03-11 收录

下载链接：

https://www.kaggle.com/datasets/dhimasyogapratama/wiki-bert-indonesia-beta

下载链接

链接失效反馈

官方服务：

资源简介：

创建时间：

2020-09-14

Wiki Indonesia Table Dataset

Wiki Indonesia table dataset from scraping

kaggle2023-04-18 更新50

fasttext wiki french beta

kaggle2020-11-08 更新00

Q-bert/wiki-tr-tokenized

该数据集包含训练集，路径为data/train-*。数据集特征包括：id（字符串类型），url（字符串类型），title（字符串类型），input_ids（整型列表），attention_mask（字节数组）。训练集大小为21,867,566,770字节，共有532,601个样本。

Hugging Face2025-11-10 更新30

yue-wiki-pl-bert

粤语维基百科数据集，专为粤语语言模型预训练或微调设计。包含从维基百科提取的粤语文本数据，每个条目包括唯一标识符、文章URL、标题、文本内容的数值化表示和语音表示。适用于粤语语言模型的研究和开发。

Hugging Face2025-04-04 更新370

richardgalvez/bert-pretokenized-512-wiki-2023

--- dataset_info: features: - name: input_ids sequence: int32 - name: token_type_ids sequence: int8 - name: attention_mask sequence: int8 - name: special_tokens_mask sequence

Hugging Face2026-03-09 更新30