Trelis/gawiki

该数据集是从20240501的维基媒体转储生成的，包含爱尔兰语（Gaeilge）的维基百科文章。数据集的特征包括文本（text）和标记计数（token_count），其中文本是通过将文章标题和文章内容结合生成的。标记计数是使用Llama 3标记器计算的。数据集的分割为训练集，包含57,010个示例，文件大小为45,492,446字节。数据集的许可证为CC BY-SA 3.0。

原始信息汇总

数据集概述

数据集信息

• 特征:

  • text: 数据类型为 string。
  • token_count: 数据类型为 int64。

• 分割:

  • train: 包含 57010 个示例，占用 45492446 字节。

• 大小:

  • 下载大小: 26622228 字节。
  • 数据集大小: 45492446 字节。

配置

• 默认配置:
  • 数据文件路径: data/train-*。

许可证

• 本数据集遵循 cc-by-sa-3.0 许可证。

语言

• 数据集语言为 ga (爱尔兰语)。