wikipedia-paragraphs-embed-1

这是一个从维基百科生成的数据集，旨在为自然语言处理研究提供数据。每个条目包含从维基百科页面提取的经过清理的段落文本和维基链接信息，以及有用的元数据，如类别、模板和相关维基数据QID。数据集被组织成多个配置，每个配置对应于特定的维基百科数据转储。每个配置包含训练分割，其中包含字节数和示例数。README还提供了一个数据集使用的示例。