mmnga/wikipedia-ja-20230720-100k

该数据集是从izumi-lab/wikipedia-ja-20230720中随机抽取的100,000条记录。数据集包含三个特征：curid、title和text，均为字符串类型。数据集仅包含一个训练集分割，大小为268164890.06653625字节，包含100,000个示例。下载大小为159687725字节，数据集总大小与训练集分割大小相同。数据集的许可证为cc-by-sa-3.0。

This dataset comprises 100,000 records randomly sampled from the izumi-lab/wikipedia-ja-20230720 dataset. It includes three features: curid, title, and text, all of which are of string data type. The dataset only has one training split, with a size of 268164890.06653625 bytes and 100,000 instances. The download size of the dataset is 159687725 bytes, and the total dataset size is equivalent to that of the training split. The license of this dataset is CC-BY-SA-3.0.

原始信息汇总

数据集概述

数据集信息

• 名称: wikipedia-ja-20230720-100k
• 特征:
  • curid: 字符串类型
  • title: 字符串类型
  • text: 字符串类型
• 分割:
  • train: 包含100,000个样本，大小为268164890.06653625字节
• 下载大小: 159687725字节
• 数据集大小: 268164890.06653625字节
• 配置:
  • default: 包含训练数据文件路径为data/train-*
• 许可证: cc-by-sa-3.0

数据来源

• 数据从izumi-lab/wikipedia-ja-20230720随机抽取，包含100,000条记录。