wili_2018

Wili2018是一个多语言文本分类数据集，包含235种语言的235000段维基百科文本，规模在10万到100万样本之间。它主要用于语言识别任务，并提供训练集和测试集划分。数据集的授权许可为ODC开放数据库许可v1.0。每个数据实例包含一个句子及其对应的语言标签。