ohtaman/wiki40b-ja

---
dataset_info:
features:
- name: wikidata_id
dtype: string
- name: text
dtype: string
- name: version_id
dtype: string
splits:
- name: train
num_bytes: 1991410450
num_examples: 745392
- name: validation
num_bytes: 109256305
num_examples: 41576
- name: test
num_bytes: 109567982
num_examples: 41268
download_size: 1320235989
dataset_size: 2210234737
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• wikidata_id: 数据类型为字符串。
• text: 数据类型为字符串。
• version_id: 数据类型为字符串。

数据集分割

• train: 包含745392个样本，总字节数为1991410450。
• validation: 包含41576个样本，总字节数为109256305。
• test: 包含41268个样本，总字节数为109567982。

数据集大小

• 下载大小: 1320235989字节。
• 数据集大小: 2210234737字节。

配置

• config_name: default
  • data_files:
    • train: 路径为data/train-*
    • validation: 路径为data/validation-*
    • test: 路径为data/test-*