lukasellinger/wiki_dump_2024-07-08

该数据集包含2137个训练样本，每个样本具有id、search_word、title、raw_full_text和raw_intro_text五个特征字段。数据集的下载大小为13499798字节，总大小为23691551字节。

This dataset contains 2137 training samples, each with five feature fields: id, search_word, title, raw_full_text, and raw_intro_text. The download size of the dataset is 13499798 bytes, and the total size is 23691551 bytes.

原始信息汇总

数据集概述

数据集特征

• id: 整数类型
• search_word: 字符串类型
• title: 字符串类型
• raw_full_text: 字符串类型
• raw_intro_text: 字符串类型

数据集分割

• train:
  • 字节数: 23691551
  • 样本数: 2137

数据集大小

• 下载大小: 13499798 字节
• 数据集大小: 23691551 字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*