维基百科中文高质量词条子集

本数据集基于中文维基2023年7月20日的dump存档。作为一项以数据为中心的工作，使用启发式的方法和自有的NLU模型过滤了一部分质量较低或内容不合规的词条。

This dataset is based on the Chinese Wikipedia dump archive dated July 20, 2023. As a data-centric work, heuristic methods and our proprietary NLU model were employed to filter out a portion of low-quality or non-compliant entries.

搜集汇总

背景与挑战

背景概述

该数据集是基于中文维基2023年7月20日dump存档的高质量词条子集，经过过滤处理以确保内容质量和合规性，适用于文本生成等自然语言处理任务。