malteos/wikinews-tmp3

该数据集包含多个配置（如en和es），每个配置下有不同的特征（如语言、维基页面ID、维基修订ID等）和多个分割（如2004_q4_11、2005_q1_01等）。数据集的特征包括文本数据（如原始文本、清理后的文本）、时间戳、类别和来源等信息。数据集的分割按时间和日期进行划分，每个分割包含一定数量的字节和示例。

原始信息汇总

数据集概述

配置信息

• config_name: en, es

特征信息

• language: 数据类型为字符串。
• wiki_page_id: 数据类型为字符串。
• wiki_revision_id: 数据类型为字符串。
• revision_timestamp: 数据类型为时间戳，单位微秒，时区为UTC。
• revision_year: 数据类型为无符号16位整数。
• revision_month: 数据类型为无符号16位整数。
• article_timestamp: 数据类型为时间戳，单位微秒，时区为UTC。
• article_year: 数据类型为无符号16位整数。
• article_month: 数据类型为无符号16位整数。
• url: 数据类型为字符串。
• title: 数据类型为字符串。
• raw_text: 数据类型为字符串。
• cleaned_text: 数据类型为字符串。
• categories: 数据类型为字符串序列。
• sources: 数据类型为字符串序列。
• dump: 数据类型为字符串。

分割信息

• 2004_q4_11: 字节数为355384，样本数为73。
• 2004: 字节数为867820，样本数为170。
• 2004_q4: 字节数为867820，样本数为170。
• no_date: 字节数为432792，样本数为173。
• 2004_q4_12: 字节数为512436，样本数为97。
• 2005_q1_01: 字节数为923286，样本数为220。
• 2005: 字节数为17844730，样本数为3547。
• 2005_q1: 字节数为3923859，样本数为827。
• 2007_q1_01: 字节数为1331150，样本数为268。
• 2007: 字节数为13771952，样本数为2481。
• 2007_q1: 字节数为4199595，样本数为786。
• 2005_q1_02: 字节数为1117537，样本数为244。
• 2005_q2_04: 字节数为2350702，样本数为422。
• 2005_q2: 字节数为5263396，样本数为958。
• 2015_q3_08: 字节数为2329，样本数为1。
• 2015: 字节数为2329，样本数为1。
• 2015_q3: 字节数为2329，样本数为1。
• 2005_q1_03: 字节数为1883036，样本数为363。
• 2024_q1_03: 字节数为4108，样本数为1。
• 2024: 字节数为12841，样本数为2。
• 2024_q1: 字节数为4108，样本数为1。
• 2024_q2_04: 字节数为8733，样本数为1。
• 2024_q2: 字节数为8733，样本数为1。
• 2005_q2_05: 字节数为1686948，样本数为288。
• 2005_q3_09: 字节数为1807812，样本数为357。
• 2005_q3: 字节数为4957002，样本数为1024。
• 2005_q2_06: 字节数为1225746，样本数为248。
• 2005_q3_07: 字节数为1840766，样本数为397。
• 2005_q3_08: 字节数为1308424，样本数为270。
• 2006_q4_12: 字节数为1138354，样本数为210。
• 2006: 字节数为19900247，样本数为3623。
• 2006_q4: 字节数为5027607，样本数为843。
• 2005_q4_10: 字节数为1251164，样本数为256。
• 2005_q4: 字节数为3700473，样本数为738。
• 2005_q4_11: 字节数为1126641，样本数为204。
• 2005_q4_12: 字节数为1322668，样本数为278。
• 2006_q1_01: 字节数为1918408，样本数为351。
• 2006_q1: 字节数为5012610，样本数为918。
• 2006_q1_03: 字节数为1646980，样本数为316。
• 2006_q1_02: 字节数为1447222，样本数为251。
• 2009_q1_03: 字节数为5448，样本数为1。
• 2009: 字节数为13506，样本数为2。
• 2009_q1: 字节数为5448，样本数为1。
• 2006_q2_04: 字节数为1198789，样本数为229。
• 2006_q2: 字节数为5249482，样本数为951。
• 2006_q2_05: 字节数为1919629，样本数为338。
• 2006_q2_06: 字节数为2131064，样本数为384。
• 2006_q3_07: 字节数为1467690，样本数为263。
• 2006_q3: 字节数为4610548，样本数为911。
• 2006_q3_08: 字节数为1773696，样本数为361。
• 2006_q4_10: 字节数为1559210，样本数为278。
• 2006_q3_09: 字节数为1369162，样本数为287。
• 2006_q4_11: 字节数为2330043，样本数为355。
• 2007_q1_02: 字节数为1064677，样本数为213。
• 2007_q1_03: 字节数为1803768，样本数为305。
• 2007_q2_05: 字节数为1616371，样本数为286。
• 2007_q2: 字节数为5080138，样本数为870。
• 2007_q2_04: 字节数为1717390，样本数为292。
• 2007_q3_08: 字节数为1550665，样本数为308。
• 2007_q3: 字节数为4473956，样本数为823。
• 2011_q4_10: 字节数为2245，样本数为1。
• 2011: 字节数为2245，样本数为1。
• 2011_q4: 字节数为2245，样本数为1。
• 2008_q2_06: 字节数为4049，样本数为1。
• 2008: 字节数为4049，样本数为1。
• 2008_q2: 字节数为4049，样本数为1。
• 2009_q4_11: 字节数为8058，样本数为1。
• 2009_q4: 字节数为8058，样本数为1。
• 2007_q4_10: 字节数为14818，样本数为1。
• 2007_q4: 字节数为18263，样本数为2。
• 2007_q2_06: 字节数为1746377，样本数为292。
• 2007_q4_11: 字节数为3445，样本数为1。
• 2007_q3_07: 字节数为1727844，样本数为319。
• 2007_q3_09: 字节数为1195447，样本数为196。
• 2007_q4_10: 字节数为870495，样本数为176。
• 2007_q4: 字节数为1996353，样本数为414。
• 2007_q4_11: 字节数为764502，样本数为150。
• 2007_q4_12: 字节数为361356，样本数为88。
• 2008_q1_01: 字节数为401702，样本数为93。
• 2008: 字节数为5529418，样本数为1109。
• 2008_q1: 字节数为1001044，样本数为222。
• 2008_q1_02: 字节数为273081，样本数为63。
• 2008_q1_03: 字节数为326261，样本数为66。
• 2008_q2_04: 字节数为192046，样本数为42。
• 2008_q2: 字节数为397744，样本数为87。
• 2008_q2_05: 字节数为95568，样本数为23。
• 2008_q2_06: 字节数为110130，样本数为22。
• 2008_q3_07: 字节数为254800，样本数为57。
• 2008_q3: 字节数为1135101，样本数为231。
• 2008_q3_08: 字节数为247018，样本数为53。
• 2008_q3_09: 字节数为633283，样本数为121。
• 2008_q4_10: 字节数为1436212，样本数为263。
• 2008_q4: 字节数为2995529，样本数为569。
• 2008_q4_11: 字节数为1144816，样本数为223。
• 2008_q4_12: 字节数为414501，样本数为83。
• 2009_q1_01: 字节数为286225，样本数为53。
• 2009: 字节数为5055738，样本数为1009。
• 2009_q1: 字节数为710394，样本数为140。
• 2009_q1_02: 字节数为99781，样本数为23。
• 2009_q1_03: 字节数为324388，样本数为64。
• 2009_q2_04: 字节数为211490，样本数为40。
• 2009_q2: 字节数为1426421，样本数为266。
• 2009_q2_05: 字节数为542402，样本数为88。
• 2009_q2_06: 字节数为672529，样本数为138。
• 2009_q3_07: 字节数为344957，样本数为71。
• 2009_q3: 字节数为1194673，样本数为253。
• 2009_q3_08: 字节数为436349，样本数为91。
• 2009_q3_09: 字节数为413367，样本数为91。
• 2009_q4_10: 字节数为872489，样本数为177。
• 2009_q4: 字节数为1724250，样本数为350。
• 2009_q4_11: 字节数为531836，样本数为107。
• 2009_q4_12: 字节数为319925，样本数为66。
• 2010_q1_01: 字节数为403994，样本数为86。
• 2010: 字节数为4887562，样本数为971。
• 2010_q1: 字节数为1331805，样本数为275。
• 2010_q1_02: 字节数为544627，样本数为107。
• 2010_q1_03: 字节数为383184，样本数为82。
• 2011_q1_02: 字节数为432905，样本数为92。
• 2011: 字节数为5339426，样本数为1064。
• 2011_q1: 字节数为1350570，样本数为291。
• 2010_q2_04: 字节数为303778，样本数为60。
• 2010_q2: 字节数为1326