afrizalha/wikiprivate

该数据集是[catinthebag/wikipedia-Only-Indo-Articles-About-Indo]数据集的filtered分割，分为10个等长的分割。数据集的语言为印尼语（id），特征包括id、url、title、text和word_count。数据集被分为10个等长的分割，每个分割的字节数和示例数也详细列出。此外，还提供了数据集的下载大小和总大小。

原始信息汇总

数据集概述

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。
• word_count: 数据类型为整数。

数据集分割

• split_1 至 split_10:
  • 每个分割包含6320个示例，除了 split_10 包含6329个示例。
  • 每个分割的大小在12710354至15457481字节之间。

数据集大小

• 下载大小: 76245391字节。
• 数据集总大小: 138180103字节。

配置文件

• 配置名称为 "default"，包含10个数据文件，每个对应一个分割，路径格式为 "data/split_-"。