Hyperspace-Technologies/scp-wiki-text

---
license: cc-by-4.0
language:
- en
tags:
- scp
size_categories:
- 100M<n<1B
dataset_info:
features:
- name: text
dtype: string
splits:
- name: train
num_bytes: 24497718.02277939
num_examples: 314294
- name: test
num_bytes: 2722003.3115220205
num_examples: 34922
download_size: 72410093
dataset_size: 27219721.334301412
---

原始信息汇总

数据集概述

基本信息

• 许可证: cc-by-4.0
• 语言: 英语
• 标签: SCP
• 大小范围: 100M<n<1B

数据集结构

• 特征:
  • 名称: text
  • 数据类型: string

数据分割

• 训练集:
  • 字节数: 24497718.02277939
  • 示例数: 314294
• 测试集:
  • 字节数: 2722003.3115220205
  • 示例数: 34922

下载与数据集大小

• 下载大小: 72410093
• 数据集大小: 27219721.334301412

搜集汇总

背景与挑战

背景概述

该数据集是SCP Wiki的文本集合，包含大量虚构的SCP基金会文档、故事和实验记录，主要用于自然语言处理任务。数据集规模较大，有约349,000行文本，以英语编写，采用CC-BY-4.0许可证开放使用。