M1keR/finewiki-ro

这是一个包含多个字段的数据集，主要用于训练自然语言处理模型。数据集中的字段包括文本内容、页面名称、页面ID、标题、URL、修改日期、语言、Wikidata ID、HTML大小、维基文本、版本、信息框、是否含有数学公式和token数量。数据集分为训练集，提供了字节数和示例数量的统计信息。This dataset contains multiple fields and is primarily used for training natural language processing models. The fields include text content, page name, page ID, title, URL, modification date, language, Wikidata ID, HTML size, wikitext, version, infoboxes, whether it contains mathematical formulas, and the number of tokens. The dataset is split into a training set and provides statistics on the number of bytes and the number of examples.