orafandina/wiki_long_200k

该数据集包含约20万篇维基文章，这些文章是从维基数据集中随机抽取的。文章使用了AutoTokenizer.from_pretrained(bert-base-uncased)进行分词处理。数据集创建的目的是用于研究。

原始信息汇总

数据集概述

数据集内容

• 包含约20万篇维基百科文章，这些文章是从维基数据集中随机抽样得到的。

数据处理

• 文章已使用 AutoTokenizer.from_pretrained(bert-base-uncased) 进行分词处理。

数据集用途

• 该数据集是为研究目的而创建的。