hpprc/jawiki-news

---
dataset_info:
config_name: '2024-04-01'
features:
- name: id
dtype: int64
- name: title
dtype: string
- name: text
dtype: string
- name: paragraphs
list:
- name: paragraph_id
dtype: int64
- name: tag
dtype: string
- name: text
dtype: string
- name: title
dtype: string
- name: abstract
dtype: string
- name: wikitext
dtype: string
- name: date_created
dtype: string
- name: date_modified
dtype: string
- name: templates
sequence: string
- name: url
dtype: string
splits:
- name: train
num_bytes: 30338484.07424594
num_examples: 3424
download_size: 15886663
dataset_size: 30338484.07424594
configs:
- config_name: '2024-04-01'
data_files:
- split: train
path: 2024-04-01/train-*
license: cc-by-sa-3.0
language:
- ja
---

数据集信息：
配置名称：'2024-04-01'
特征字段：
- 名称：id，数据类型：64位整数（int64）
- 名称：标题，数据类型：字符串（string）
- 名称：文本，数据类型：字符串（string）
- 名称：段落列表（paragraphs），类型为列表，其包含的子字段为：
- 名称：段落标识符（paragraph_id），数据类型：64位整数（int64）
- 名称：标签（tag），数据类型：字符串（string）
- 名称：文本，数据类型：字符串（string）
- 名称：标题，数据类型：字符串（string）
- 名称：摘要（abstract），数据类型：字符串（string）
- 名称：维基文本（wikitext），数据类型：字符串（string）
- 名称：创建日期（date_created），数据类型：字符串（string）
- 名称：修改日期（date_modified），数据类型：字符串（string）
- 名称：模板序列（templates），类型为字符串序列
- 名称：统一资源定位符（URL），数据类型：字符串（string）
划分集：
- 名称：训练集（train），字节数：30338484.07424594，样本数量：3424
下载大小：15886663
数据集总大小：30338484.07424594
配置项：
- 配置名称：'2024-04-01'，数据文件：
- 划分：训练集（train），路径：2024-04-01/train-*
许可证：知识共享署名-相同方式共享3.0协议（CC BY-SA 3.0）
语言：
- 日语（ja）

原始信息汇总

数据集概述

数据集配置信息

• 配置名称: 2024-04-01

数据集特征

• id: 整数类型 (int64)
• title: 字符串类型 (string)
• text: 字符串类型 (string)
• paragraphs: 列表类型，包含以下子特征:
  • paragraph_id: 整数类型 (int64)
  • tag: 字符串类型 (string)
  • text: 字符串类型 (string)
  • title: 字符串类型 (string)
• abstract: 字符串类型 (string)
• wikitext: 字符串类型 (string)
• date_created: 字符串类型 (string)
• date_modified: 字符串类型 (string)
• templates: 字符串序列类型 (sequence: string)
• url: 字符串类型 (string)

数据集分割

• 训练集 (train):
  • 数据量: 30338484.07424594 字节
  • 样本数: 3424

数据集大小

• 下载大小: 15886663 字节
• 数据集大小: 30338484.07424594 字节

许可信息

• 许可证: cc-by-sa-3.0

语言

• 主要语言: 日语 (ja)