cstr/de-wiktionary-extracted-full

---
license: cc-by-sa-4.0
task_categories:
- text-retrieval
language:
- de
tags:
- wiktionary
- dictionary
- german
size_categories:
- 100K<n<1M
dataset_info:
features:
- name: word
dtype: string
- name: pos
dtype: string
- name: pos_title
dtype: string
- name: lang_code
dtype: string
- name: lang
dtype: string
- name: senses
list:
- name: alt_of
list:
- name: word
dtype: string
- name: categories
list: string
- name: examples
list:
- name: accessdate
dtype: string
- name: author
dtype: string
- name: collection
dtype: string
- name: comment
dtype: string
- name: date
dtype: string
- name: day
dtype: string
- name: edition
dtype: string
- name: editor
dtype: string
- name: isbn
dtype: string
- name: italic_text_offsets
list:
list: int64
- name: month
dtype: string
- name: number
dtype: string
- name: pages
dtype: string
- name: place
dtype: string
- name: publisher
dtype: string
- name: raw_tags
list: string
- name: ref
dtype: string
- name: tags
list: string
- name: text
dtype: string
- name: title
dtype: string
- name: title_complement
dtype: string
- name: translation
dtype: string
- name: translator
dtype: string
- name: url
dtype: string
- name: volume
dtype: string
- name: year
dtype: string
- name: form_of
list:
- name: word
dtype: string
- name: glosses
list: string
- name: raw_tags
list: string
- name: sense_index
dtype: string
- name: tags
list: string
- name: topics
list: string
- name: translations
list:
- name: lang
dtype: string
- name: lang_code
dtype: string
- name: other
dtype: string
- name: raw_tags
list: string
- name: roman
dtype: string
- name: sense
dtype: string
- name: sense_index
dtype: string
- name: tags
list: string
- name: uncertain
dtype: bool
- name: word
dtype: string
- name: sounds
list:
- name: audio
dtype: string
- name: flac_url
dtype: string
- name: ipa
dtype: string
- name: mp3_url
dtype: string
- name: oga_url
dtype: string
- name: ogg_url
dtype: string
- name: raw_tags
list: string
- name: rhymes
dtype: string
- name: tags
list: string
- name: wav_url
dtype: string
- name: synonyms
list:
- name: raw_tags
list: string
- name: sense_index
dtype: string
- name: tags
list: string
- name: topics
list: string
- name: word
dtype: string
- name: tags
list: string
- name: categories
list: string
- name: etymology_texts
list: string
- name: forms
list:
- name: form
dtype: string
- name: pronouns
list: string
- name: raw_tags
list: string
- name: sense_index
dtype: string
- name: source
dtype: string
- name: tags
list: string
- name: topics
list: string
- name: hyphenations
list:
- name: parts
list: string
splits:
- name: train
num_bytes: 2367263359
num_examples: 971941
download_size: 301192017
dataset_size: 2367263359
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

许可协议：CC BY-SA 4.0（知识共享署名-相同方式共享4.0）
任务类别：
- 文本检索（text-retrieval）
语言：
- 德语（de）
标签：
- 维基词典（Wiktionary）
- 词典（dictionary）
- 德语（german）
规模类别：
- 100K<n<1M
数据集信息（dataset_info）：
特征（features）：
- 名称：word（单词），数据类型：string（字符串）
- 名称：pos（词性，part of speech），数据类型：string
- 名称：pos_title（词性标题），数据类型：string
- 名称：lang_code（语言代码），数据类型：string
- 名称：lang（语言），数据类型：string
- 名称：senses（义项），为列表，包含：
- 名称：alt_of（另形词），为列表，包含：
- 名称：word（单词），数据类型：string
- 名称：categories（分类），数据类型：string列表
- 名称：examples（示例），为列表，包含：
- 名称：accessdate（访问日期），数据类型：string
- 名称：author（作者），数据类型：string
- 名称：collection（合集），数据类型：string
- 名称：comment（注释），数据类型：string
- 名称：date（日期），数据类型：string
- 名称：day（日），数据类型：string
- 名称：edition（版本），数据类型：string
- 名称：editor（编辑），数据类型：string
- 名称：isbn（国际标准书号ISBN），数据类型：string
- 名称：italic_text_offsets（斜体文本偏移量），数据类型：int64类型嵌套列表
- 名称：month（月），数据类型：string
- 名称：number（编号），数据类型：string
- 名称：pages（页码），数据类型：string
- 名称：place（出版地），数据类型：string
- 名称：publisher（出版社），数据类型：string
- 名称：raw_tags（原始标签），数据类型：string列表
- 名称：ref（参考文献），数据类型：string
- 名称：tags（标签），数据类型：string列表
- 名称：text（文本），数据类型：string
- 名称：title（标题），数据类型：string
- 名称：title_complement（标题补充），数据类型：string
- 名称：translation（译文），数据类型：string
- 名称：translator（译者），数据类型：string
- 名称：url（统一资源定位符URL），数据类型：string
- 名称：volume（卷册），数据类型：string
- 名称：year（年），数据类型：string
- 名称：form_of（词形变化），为列表，包含：
- 名称：word（单词），数据类型：string
- 名称：glosses（释义），数据类型：string列表
- 名称：raw_tags（原始标签），数据类型：string列表
- 名称：sense_index（义项索引），数据类型：string
- 名称：tags（标签），数据类型：string列表
- 名称：topics（主题），数据类型：string列表
- 名称：translations（译文），为列表，包含：
- 名称：lang（语言），数据类型：string
- 名称：lang_code（语言代码），数据类型：string
- 名称：other（其他），数据类型：string
- 名称：raw_tags（原始标签），数据类型：string列表
- 名称：roman（罗马音转写），数据类型：string
- 名称：sense（义项），数据类型：string
- 名称：sense_index（义项索引），数据类型：string
- 名称：tags（标签），数据类型：string列表
- 名称：uncertain（不确定标记），数据类型：布尔型（bool）
- 名称：word（单词），数据类型：string
- 名称：sounds（语音信息），为列表，包含：
- 名称：audio（音频），数据类型：string
- 名称：flac_url（FLAC格式音频链接），数据类型：string
- 名称：ipa（国际音标IPA），数据类型：string
- 名称：mp3_url（MP3格式音频链接），数据类型：string
- 名称：oga_url（OGA格式音频链接），数据类型：string
- 名称：ogg_url（OGG格式音频链接），数据类型：string
- 名称：raw_tags（原始标签），数据类型：string列表
- 名称：rhymes（押韵词），数据类型：string
- 名称：tags（标签），数据类型：string列表
- 名称：wav_url（WAV格式音频链接），数据类型：string
- 名称：synonyms（同义词），为列表，包含：
- 名称：raw_tags（原始标签），数据类型：string列表
- 名称：sense_index（义项索引），数据类型：string
- 名称：tags（标签），数据类型：string列表
- 名称：topics（主题），数据类型：string列表
- 名称：word（单词），数据类型：string
- 名称：tags（标签），数据类型：string列表
- 名称：categories（分类），数据类型：string列表
- 名称：etymology_texts（词源文本），数据类型：string列表
- 名称：forms（词形），为列表，包含：
- 名称：form（词形形式），数据类型：string
- 名称：pronouns（代词），数据类型：string列表
- 名称：raw_tags（原始标签），数据类型：string列表
- 名称：sense_index（义项索引），数据类型：string
- 名称：source（来源），数据类型：string
- 名称：tags（标签），数据类型：string列表
- 名称：topics（主题），数据类型：string列表
- 名称：hyphenations（断字规则），为列表，包含：
- 名称：parts（拆分部分），数据类型：string列表
划分集（splits）：
- 名称：train（训练集），字节数：2367263359，样本数：971941
下载大小：301192017，数据集总大小：2367263359
配置项（configs）：
- 配置名称：default（默认配置），数据文件：
- 划分集：train，路径：data/train-*