systemk/wiki-ja-5k

---
dataset_info:
features:
- name: id
dtype: string
- name: url
dtype: string
- name: title
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 25322028.21875
num_examples: 5000
- name: dev
num_bytes: 1023838.68
num_examples: 200
download_size: 17169345
dataset_size: 26345866.89875
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: dev
path: data/dev-*
---

原始信息汇总

数据集概述

数据集特征

• id: 数据类型为字符串
• url: 数据类型为字符串
• title: 数据类型为字符串
• text: 数据类型为字符串

数据集分割

• 训练集 (train): 包含5000个样本，总大小为25322028.21875字节
• 开发集 (dev): 包含200个样本，总大小为1023838.68字节

数据集大小

• 下载大小: 17169345字节
• 总大小: 26345866.89875字节

数据文件配置

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 开发集路径: data/dev-*