NLP-07-ODQA/kowiki-cleaned-chunked-markdown-400
收藏Hugging Face2026-01-03 更新2026-03-29 收录
下载链接：
https://hf-mirror.com/datasets/NLP-07-ODQA/kowiki-cleaned-chunked-markdown-400
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: page_content
dtype: string
- name: title
dtype: string
- name: page_id
dtype: int64
- name: header_1
dtype: string
- name: header_2
dtype: string
- name: header_3
dtype: string
- name: header_path
dtype: string
- name: text_length
dtype: int64
splits:
- name: train
num_bytes: 2645913749
num_examples: 4322674
download_size: 1209627889
dataset_size: 2645913749
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
数据集信息：
特征：
- 名称：页面内容（page_content），数据类型：字符串
- 名称：标题（title），数据类型：字符串
- 名称：页面ID（page_id），数据类型：64位整数
- 名称：一级标题（header_1），数据类型：字符串
- 名称：二级标题（header_2），数据类型：字符串
- 名称：三级标题（header_3），数据类型：字符串
- 名称：标题路径（header_path），数据类型：字符串
- 名称：文本长度（text_length），数据类型：64位整数
数据集划分：
- 名称：训练集（train），占用字节数：2645913749，样本总数：4322674
下载大小：1209627889
数据集总大小：2645913749
数据集配置：
- 配置名称：默认配置（default），数据文件：
- 划分：训练集（train），路径：data/train-*
提供机构：
NLP-07-ODQA
