five

Geralt-Targaryen/wikipedia

收藏
Hugging Face2025-01-12 更新2025-02-15 收录
下载链接:
https://hf-mirror.com/datasets/Geralt-Targaryen/wikipedia
下载链接
链接失效反馈
官方服务:
资源简介:
这是一个经过清洗和去重的英文维基百科数据集,针对多个基准数据集进行了n-gram重叠度的去污染处理,移除了大约360个文档。数据集包含4,367,356个样本,下载的parquet文件大小为9.3GB。

This dataset is a cleaned and deduplicated English Wikipedia corpus, decontaminated for n-gram overlap with respect to multiple benchmarks, and approximately 360 documents have been removed. It contains 4,367,356 samples with the downloaded parquet files amounting to 9.3GB in size.
提供机构:
Geralt-Targaryen
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作