TopicNavi/Wikipedia-example-data

--- language: - en dataset_info: features: - name: id dtype: int64 - name: title dtype: string - name: text dtype: string - name: url dtype: string - name: wiki_id dtype: int64 - name: views dtype: float64 - name: paragraph_id dtype: int64 - name: langs dtype: int64 - name: emb sequence: float64 splits: - name: train num_bytes: 168841967 num_examples: 25000 download_size: 134757006 dataset_size: 168841967 configs: - config_name: default data_files: - split: train path: data/train-* ---语言： - 英语 数据集元信息： 特征字段： - 编号（id）：数据类型为64位整数（int64） - 标题（title）：数据类型为字符串（string） - 文本内容（text）：数据类型为字符串（string） - 链接地址（url）：数据类型为字符串（string） - 维基百科编号（wiki_id）：数据类型为64位整数（int64） - 浏览量（views）：数据类型为64位浮点数（float64） - 段落编号（paragraph_id）：数据类型为64位整数（int64） - 语言数量（langs）：数据类型为64位整数（int64） - 嵌入向量（emb）：数据类型为64位浮点数序列 数据划分： - 划分名称：训练集（train），数据字节数：168841967，示例数量：25000 下载大小：134757006 数据集存储大小：168841967 配置项： - 配置名称：默认（default），数据文件： - 对应划分：训练集（train），文件路径：data/train-*

原始信息汇总

数据集概述

数据集信息

• 语言: 英语

数据集特征

• id: 数据类型为 int64
• title: 数据类型为 string
• text: 数据类型为 string
• url: 数据类型为 string
• wiki_id: 数据类型为 int64
• views: 数据类型为 float64
• paragraph_id: 数据类型为 int64
• langs: 数据类型为 int64
• emb: 数据类型为 float64 序列

数据集分割

• train: 包含 25000 个样本，占用 168841967 字节

数据集大小

• 下载大小: 134757006 字节
• 数据集大小: 168841967 字节

配置

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