wangwilliamyang/wikihow

---
paperswithcode_id: wikihow
pretty_name: WikiHow
dataset_info:
- config_name: all
features:
- name: text
dtype: string
- name: headline
dtype: string
- name: title
dtype: string
splits:
- name: train
num_bytes: 513238309
num_examples: 157252
- name: validation
num_bytes: 18246897
num_examples: 5599
- name: test
num_bytes: 18276023
num_examples: 5577
download_size: 5460385
dataset_size: 549761229
- config_name: sep
features:
- name: text
dtype: string
- name: headline
dtype: string
- name: title
dtype: string
- name: overview
dtype: string
- name: sectionLabel
dtype: string
splits:
- name: train
num_bytes: 990499776
num_examples: 1060732
- name: validation
num_bytes: 35173966
num_examples: 37932
- name: test
num_bytes: 35271826
num_examples: 37800
download_size: 5460385
dataset_size: 1060945568
---

### Contributions

Thanks to [@thomwolf](https://github.com/thomwolf), [@lewtun](https://github.com/lewtun), [@patrickvonplaten](https://github.com/patrickvonplaten) for adding this dataset.

PaperWithCode 数据集标识：wikihow
展示名称：WikiHow
数据集详情：
- 配置名称：all
特征字段：
- 文本（text）：字符串类型
- 标题（headline）：字符串类型
- 文章标题（title）：字符串类型
数据集拆分：
- 训练集（train）：占用字节数 513238309，样本总数 157252
- 验证集（validation）：占用字节数 18246897，样本总数 5599
- 测试集（test）：占用字节数 18276023，样本总数 5577
下载体积：5460385 字节
数据集总占用体积：549761229 字节
- 配置名称：sep
特征字段：
- 文本（text）：字符串类型
- 标题（headline）：字符串类型
- 文章标题（title）：字符串类型
- 概述（overview）：字符串类型
- 章节标签（sectionLabel）：字符串类型
数据集拆分：
- 训练集（train）：占用字节数 990499776，样本总数 1060732
- 验证集（validation）：占用字节数 35173966，样本总数 37932
- 测试集（test）：占用字节数 35271826，样本总数 37800
下载体积：5460385 字节
数据集总占用体积：1060945568 字节

贡献：感谢 [@thomwolf](https://github.com/thomwolf)、[@lewtun](https://github.com/lewtun)、[@patrickvonplaten](https://github.com/patrickvonplaten) 为本数据集的添加工作。

原始信息汇总

WikiHow 数据集概述

数据集配置

配置名称：all

• 特征:

  • text: 类型为 string
  • headline: 类型为 string
  • title: 类型为 string

• 拆分:

  • train:
    • 字节数: 513238309
    • 样本数: 157252
  • validation:
    • 字节数: 18246897
    • 样本数: 5599
  • test:
    • 字节数: 18276023
    • 样本数: 5577

• 下载大小: 5460385 字节

• 数据集大小: 549761229 字节

配置名称：sep

• 特征:

  • text: 类型为 string
  • headline: 类型为 string
  • title: 类型为 string
  • overview: 类型为 string
  • sectionLabel: 类型为 string

• 拆分:

  • train:
    • 字节数: 990499776
    • 样本数: 1060732
  • validation:
    • 字节数: 35173966
    • 样本数: 37932
  • test:
    • 字节数: 35271826
    • 样本数: 37800

• 下载大小: 5460385 字节

• 数据集大小: 1060945568 字节

搜集汇总

背景与挑战

背景概述

该数据集访问已被禁用，原因为原内容作者请求。它曾被用于训练多个句子相似性模型，表明可能包含相关文本数据。