dominguesm/wikipedia-ptbr-20230601

---
language: pt
dataset_info:
features:
- name: id
dtype: string
- name: url
dtype: string
- name: title
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 2424207600
num_examples: 993101
- name: test
num_bytes: 269529120
num_examples: 110345
download_size: 1626930291
dataset_size: 2693736720
---
# Dataset Card for "wikipedia-ptbr-20230601"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

语言：葡萄牙语（Portuguese）
数据集信息：
特征：
- 名称：id，数据类型：字符串
- 名称：url，数据类型：字符串
- 名称：title，数据类型：字符串
- 名称：text，数据类型：字符串
数据集划分：
- 名称：训练集（train），占用字节数：2424207600，样本数量：993101
- 名称：测试集（test），占用字节数：269529120，样本数量：110345
下载大小：1626930291，数据集总大小：2693736720

# "wikipedia-ptbr-20230601" 数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• 名称: wikipedia-ptbr-20230601

数据集特征

• id: 数据类型为字符串
• url: 数据类型为字符串
• title: 数据类型为字符串
• text: 数据类型为字符串

数据集划分

• 训练集:
  • 样本数量: 993101
  • 数据大小: 2424207600 字节
• 测试集:
  • 样本数量: 110345
  • 数据大小: 269529120 字节

数据集大小

• 下载大小: 1626930291 字节
• 总数据集大小: 2693736720 字节