SaiedAlshahrani/Arabic_Wikipedia_20230101_nobots
收藏Hugging Face2024-01-05 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/SaiedAlshahrani/Arabic_Wikipedia_20230101_nobots
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是基于2023年1月1日下载的阿拉伯语维基百科文章创建的，且移除了由机器人生成的文章。数据预处理使用了`Gensim` Python库、`tr` Linux/Unix工具以及`CAMeLTools` Python工具包。该数据集用于训练一个阿拉伯语维基百科的掩码语言模型。
该数据集是基于2023年1月1日下载的阿拉伯语维基百科文章创建的，且移除了由机器人生成的文章。数据预处理使用了`Gensim` Python库、`tr` Linux/Unix工具以及`CAMeLTools` Python工具包。该数据集用于训练一个阿拉伯语维基百科的掩码语言模型。
提供机构：
SaiedAlshahrani
原始信息汇总
数据集概述
基本信息
- 名称: arwiki-articles-withoutbots
- 语言: 阿拉伯语 (ar)
- 许可证: MIT
- 大小分类: 100K<n<1M
数据集内容
- 特征:
- text: 字符串类型
- 分割:
- train: 846832个示例，总字节数2715064333
数据集大小
- 下载大小: 1083810835字节
- 数据集大小: 2715064333字节
