Physi-Wiki/wiki-18

---
dataset_info:
features:
- name: id
dtype: int64
- name: article_id
dtype: int64
- name: title
dtype: string
- name: page_id
dtype: int64
- name: slug
dtype: string
- name: language
dtype: string
- name: section_index
dtype: int64
- name: section_title
dtype: string
- name: section_level
dtype: int64
- name: text
dtype: string
- name: char_length
dtype: int64
splits:
- name: train
num_bytes: 344356683.61585176
num_examples: 336160
- name: validation
num_bytes: 18124413.38414822
num_examples: 17693
download_size: 231244289
dataset_size: 362481097.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---

数据集信息：
特征字段：
- 字段名：id，数据类型：64位整数
- 字段名：article_id，数据类型：64位整数
- 字段名：title，数据类型：字符串
- 字段名：page_id，数据类型：64位整数
- 字段名：slug（短标识），数据类型：字符串
- 字段名：language，数据类型：字符串
- 字段名：section_index，数据类型：64位整数
- 字段名：section_title，数据类型：字符串
- 字段名：section_level，数据类型：64位整数
- 字段名：text，数据类型：字符串
- 字段名：char_length，数据类型：64位整数
数据集拆分：
- 拆分名称：训练集（train），占用字节数：344356683.61585176，样本数量：336160
- 拆分名称：验证集（validation），占用字节数：18124413.38414822，样本数量：17693
下载总大小：231244289
数据集总存储大小：362481097.0
配置项：
- 配置名称：default（默认配置），数据文件：
- 训练集拆分：数据路径为data/train-*
- 验证集拆分：数据路径为data/validation-*