M1keR/finewiki-hi

该数据集包含了从某个维基百科类网站抓取的页面信息，其中包括页面的文本内容、标题、URL、修改日期、语言、维基数据ID、HTML大小、维基文本、版本、信息框内容和是否含有数学公式等信息。数据集被划分为训练集，并提供了训练集的字节大小和示例数量。

The dataset consists of web page information scraped from a Wikipedia-like website, including the pages text content, title, URL, modification date, language, Wikidata ID, HTML size, wikitext, version, infobox content, and whether it contains mathematical formulas. The dataset is split into a training set, with the byte size and number of examples provided for the training set.