rahular/simple-wikipedia

该数据集是Simple Wikipedia（英语）的纯文本处理版本，包含23,886,673个单词。数据集的特征包括一个名为text的字段，数据类型为字符串。数据集包含一个train分割，该分割有144,689,943字节和769,764个示例。数据集的下载大小为86,969,379字节，数据集大小为144,689,943字节。

This dataset is a plain-text processed rendition of the English Simple Wikipedia, containing a total of 23,886,673 words. The dataset includes a field named `text` with a string data type. It comprises a `train` split, which has a size of 144,689,943 bytes and encompasses 769,764 examples. The download size of this dataset is 86,969,379 bytes, while the dataset's own size is 144,689,943 bytes.

原始信息汇总

数据集概述

数据集名称

• simple-wikipedia

数据集描述

• 处理后的纯文本数据，来源于Simple Wikipedia（英文版），包含23,886,673个单词。

数据配置

• 默认配置：default

数据文件

• 训练集（train）：路径为data/train-*

数据特征

• 特征名称：text
• 数据类型：string

数据分割

• 训练集（train）
  • 字节数：144689943
  • 样本数：769764

数据大小

• 下载大小：86969379
• 数据集大小：144689943