ILT37/viwiki

该数据集是一个越南语数据集，包含文件名和文本内容两个主要特征。数据集分为一个训练集，包含7878个例子，总大小为84676528字节。

This dataset is a Vietnamese language dataset containing two main features: filename and text content. The dataset is divided into a training set, which includes 7878 examples with a total size of 84676528 bytes.

原始信息汇总

数据集概述

语言

• 越南语 (vi)

数据集信息

特征

• filename: 文件名，数据类型为字符串 (string)
• text: 文本内容，数据类型为字符串 (string)

数据分割

• train: 训练集
  • 字节数: 84676528
  • 样本数: 7878

数据大小

• 下载大小: 43054161 字节
• 数据集大小: 84676528 字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*