ranWang/UN_Historical_PDF_Article_Text_Corpus
收藏Hugging Face2023-05-04 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/ranWang/UN_Historical_PDF_Article_Text_Corpus
下载链接
链接失效反馈官方服务：
资源简介：
该数据集名为UN_Historical_PDF_Article_Text_Corpus，包含了多种语言的文本数据，具体包括阿拉伯语（ar）、英语（en）、西班牙语（es）、法语（fr）、俄语（ru）和中文（zh）。数据集分为两个部分：训练集（train）和随机测试集（randomTest），分别包含142,933和2,839个样本。每个样本包含上述语言的文本内容以及一个记录（record）字段。数据集的下载大小为4,512,532,002字节，总大小为41,183,332,616字节。
该数据集名为UN_Historical_PDF_Article_Text_Corpus，包含了多种语言的文本数据，具体包括阿拉伯语（ar）、英语（en）、西班牙语（es）、法语（fr）、俄语（ru）和中文（zh）。数据集分为两个部分：训练集（train）和随机测试集（randomTest），分别包含142,933和2,839个样本。每个样本包含上述语言的文本内容以及一个记录（record）字段。数据集的下载大小为4,512,532,002字节，总大小为41,183,332,616字节。
提供机构：
ranWang
原始信息汇总
数据集概述
数据集特征
- 名称：UN_Historical_PDF_Article_Text_Corpus
- 特征：
- zh：字符串类型
- ar：字符串类型
- en：字符串类型
- fr：字符串类型
- es：字符串类型
- ru：字符串类型
- record：字符串类型
数据集分割
- train：
- 示例数量：142933
- 字节数：40392264949
- randomTest：
- 示例数量：2839
- 字节数：791067667
数据集大小
- 下载大小：4512532002字节
- 数据集总大小：41183332616字节
