five

jhu-clsp/megawika-2

收藏
Hugging Face2026-03-03 更新2025-08-09 收录
下载链接:
https://hf-mirror.com/datasets/jhu-clsp/megawika-2
下载链接
链接失效反馈
官方服务:
资源简介:
MegaWika 2是一个包含结构化Wikipedia视图的多语种和跨语种文本数据集,覆盖了50种语言,并包含了从所有引用的网页源中提取的干净内容。该数据集基于2024年5月1日的Wikipedia快照构建,包含了大约7700万篇文章和7100万条抓取的网页引用。

MegaWika 2 is a multi- and cross-lingual text dataset containing a structured view of Wikipedia, eventually covering 50 languages, including cleanly extracted content from all cited web sources. The dataset is based on Wikipedia dumps from May 1, 2024, and contains about 77 million articles and 71 million scraped web citations.
提供机构:
jhu-clsp
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作