遇见数据集

Symato/KB_wikimedia

收藏
Hugging Face2024-09-27 更新2024-12-14 收录
官方服务:

资源简介:

该数据集包含越南语的维基百科和维基文库内容,数据格式为parquet,可以通过提供的链接下载。数据集经过转换处理,最终以jsonl和xz格式存储,每个文件大小控制在50MB以下,便于上传和处理。

The dataset contains Vietnamese content from Wikipedia and Wikisource, originally in parquet format, which is processed into jsonl format and compressed into xz files. Each file is limited to 50MB in size, facilitating uploads and parallel processing. Each record in the dataset includes an articles ID, URL, title, and text content.

提供机构:
Symato
二维码
社区交流群
二维码
科研交流群
商业服务