WikiQuality/unique_character_trigrams_hi

该数据集包含多个配置（ha、ig、pcm、sw、yo），每个配置都有id、url、title和text四个特征。数据集被分为训练集和测试集，每个配置的训练集和测试集的大小和样本数量都有详细说明。

The dataset contains multiple configurations (ha, ig, pcm, sw, yo), each with four features: id, url, title, and text. The dataset is divided into training and test sets, with detailed information on the size and number of samples for each configurations training and test sets.

原始信息汇总

数据集概述

数据集配置

配置名称：ha

• 特征：
  • id: string
  • url: string
  • title: string
  • text: string
• 分割：
  • train:
    • 字节数: 7663628.076701186
    • 样本数: 3655
  • test:
    • 字节数: 404673.1104797069
    • 样本数: 193
• 下载大小: 19156844
• 数据集大小: 8068301.187180893

配置名称：ig

• 特征：
  • id: string
  • url: string
  • title: string
  • text: string
• 分割：
  • train:
    • 字节数: 8358008.897435897
    • 样本数: 2934
  • test:
    • 字节数: 441544.4373219373
    • 样本数: 155
• 下载大小: 15268325
• 数据集大小: 8799553.334757835

配置名称：pcm

• 特征：
  • id: string
  • url: string
  • title: string
  • text: string
• 分割：
  • train:
    • 字节数: 295779.0
    • 样本数: 198
  • test:
    • 字节数: 16432.166666666668
    • 样本数: 11
• 下载大小: 526319
• 数据集大小: 312211.1666666667

配置名称：sw

• 特征：
  • id: string
  • url: string
  • title: string
  • text: string
• 分割：
  • train:
    • 字节数: 5176988.490965348
    • 样本数: 5686
  • test:
    • 字节数: 273143.95836961037
    • 样本数: 300
• 下载大小: 17788737
• 数据集大小: 5450132.449334959

配置名称：yo

• 特征：
  • id: string
  • url: string
  • title: string
  • text: string
• 分割：
  • train:
    • 字节数: 353452.3468625498
    • 样本数: 750
  • test:
    • 字节数: 18850.79183266932
    • 样本数: 40
• 下载大小: 2986488
• 数据集大小: 372303.1386952191

数据文件路径

配置名称：ha

• train: ha/train-*
• test: ha/test-*

配置名称：ig

• train: ig/train-*
• test: ig/test-*

配置名称：pcm

• train: pcm/train-*
• test: pcm/test-*

配置名称：sw

• train: sw/train-*
• test: sw/test-*

配置名称：yo

• train: yo/train-*
• test: yo/test-*