mmnga/wikipedia-ja-20230720-50k

该数据集是从[izumi-lab/wikipedia-ja-20230720]中随机抽取的50,000条记录，包含curid、title和text三个特征。数据集分为train分割，下载大小为78354971字节，数据集大小为134082445.03326812字节。

This is data extracted randomly from izumi-lab/wikipedia-ja-20230720, consisting of 50,000 records. The dataset includes three features: curid (string), title (string), and text (string). It is split into a training set with 50,000 examples, totaling 134,082,445.03326812 bytes.

原始信息汇总

数据集概述

数据集信息

• 数据集名称: wikipedia-ja-20230720-50k
• 数据来源: 从izumi-lab/wikipedia-ja-20230720随机抽取的50,000条记录

数据特征

• 特征列表:
  • curid: 类型为字符串
  • title: 类型为字符串
  • text: 类型为字符串

数据分割

• 训练集:
  • 名称: train
  • 字节数: 134082445.03326812
  • 样本数: 50000

数据大小

• 下载大小: 78354971
• 数据集大小: 134082445.03326812

配置

• 配置名称: default
• 数据文件:
  • 分割: train
  • 路径: data/train-*