wikipedia_processed

kaggle2021-04-11 更新2024-03-11 收录

下载链接：

https://www.kaggle.com/datasets/kahhuitee/wikipedia-processed

下载链接

链接失效反馈

官方服务：

资源简介：

Cleaned dataset from wikipedia articles.

源自维基百科（Wikipedia）文章的经清洗数据集

创建时间：

2021-04-11

Processed Wikipedia Dataset

We extract a subset of about 1,000,000 documents of Wikipedia 2020 and extract the keywords of them. The wiki_kws_dict.pkl is a map which maps each keyword to its total counts in files and query trend

Zenodo2024-07-09 更新00

wikipedia-processed

该数据集包含三种不同的配置：en-512-3M、id-512-3M和zh-512-3M，每种配置都包括一个字符串类型的'text'特征。数据集为每种配置提供了一个训练集，并提供了示例数量和数据集大小（以字节为单位）。数据集支持三种语言：id、en和zh。 README文件中没有明确提及数据集的描述，因此描述为空。

Hugging Face2025-10-22 更新40

haryoaw/wikipedia-processed

该数据集是一个多语言文本数据集，包含英语、法语、印尼语和中文四种语言的文本数据。每种语言配置都有大约300万（中文为2906163）个训练样本。数据集以不同的配置名区分，如en-512-3M代表英语数据集，包含大约932,321,009字节的训练数据。

Hugging Face2025-10-24 更新80

Processed Wikipedia Dataset

Zenodo2024-07-09 更新00

TopiOCQA processed Wikipedia data

Processed Wikipedia data for TopiOCQA

Zenodo2022-02-19 更新00