alexandrainst/lexdk-open

该数据集包含来自丹麦百科全书Lex.dk的文章，这些文章以宽松的许可证发布，占所有文章的7.5%。数据集的语言为丹麦语，包含11,887个样本。数据集的结构包括URL、标题、澄清、作者、日期、许可证和文本等字段。

原始信息汇总

数据集卡片 for Lex.dk Open

数据集描述

• 下载的数据集文件大小: 10.05 MB
• 生成的数据集大小: 18.34 MB
• 总磁盘使用量: 28.39 MB

数据集摘要

该数据集包含来自丹麦百科全书Lex.dk的文章。

仅包含使用宽松许可证发布的文章，约占文章总数的7.5%。

语言

数据集提供丹麦语（da）版本。

数据集结构

数据实例

一个数据集示例如下： json { url: https://denstoredanske.lex.dk/Kullmanns_M%C3%B8lle, title: Kullmanns Mølle, clarification: , authors: [https://brugere.lex.dk/6929], date: 2021-01-20T13:23:20+01:00, license: fri anvendelse, text: Kullmanns Mølle er en mølle i Gudhjem, opkaldt efter Matts Kullmann, der byggede møllen i 1893 til sin søn, Christian Kullmann, se Gudhjem Mølle. }

数据字段

所有拆分中的数据字段相同。

• url: 字符串特征。
• title: 字符串特征。
• clarification: 字符串特征。
• authors: 列表特征。
• date: 字符串特征。
• license: 字符串特征。
• text: 字符串特征。

数据集统计

数据集中有11,887个样本。

文章长度分布

附加信息

数据集策展人

Dan Saattrup Nielsen 来自 The Alexandra Institute 构建了数据集并将其上传到 Hugging Face Hub。

许可信息

数据集根据 CC BY-SA 4.0 许可 进行许可。