dominguesm/wikipedia-ptbr-20221220

---
dataset_info:
features:
- name: id
dtype: string
- name: url
dtype: string
- name: title
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 2367117753.3
num_examples: 987399
- name: test
num_bytes: 131507740.51323204
num_examples: 54856
- name: valid
num_bytes: 131505343.18676797
num_examples: 54855
download_size: 1592202665
dataset_size: 2630130837.0000005
---
# Dataset Card for "wikipedia-ptbr-20221220"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征：
- 字段名：id
数据类型：字符串类型
- 字段名：url
数据类型：字符串类型
- 字段名：title
数据类型：字符串类型
- 字段名：text
数据类型：字符串类型
数据拆分：
- 划分名称：train（训练集）
字节大小：2367117753.3
样本数量：987399
- 划分名称：test（测试集）
字节大小：131507740.51323204
样本数量：54856
- 划分名称：valid（验证集）
字节大小：131505343.18676797
样本数量：54855
下载大小：1592202665
数据集总大小：2630130837.0000005
---
# 「wikipedia-ptbr-20221220」数据集卡片
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• 名称: wikipedia-ptbr-20221220

数据集特征

• 特征列表:
  • id: 数据类型为字符串
  • url: 数据类型为字符串
  • title: 数据类型为字符串
  • text: 数据类型为字符串

数据集分割

• 训练集:
  • 样本数量: 987399
  • 数据大小: 2367117753.3字节
• 测试集:
  • 样本数量: 54856
  • 数据大小: 131507740.51323204字节
• 验证集:
  • 样本数量: 54855
  • 数据大小: 131505343.18676797字节

数据集大小

• 下载大小: 1592202665字节
• 总数据集大小: 2630130837.0000005字节