livinNector/tawikidump-20230320-tokenizer-clean

---
dataset_info:
features:
- name: text
dtype: string
splits:
- name: tawikiquote
num_bytes: 6354086
num_examples: 1211
- name: tawikisource
num_bytes: 112492580
num_examples: 5031
- name: tawiki
num_bytes: 725939876
num_examples: 155212
- name: tawikinews
num_bytes: 13922393
num_examples: 3372
- name: tawiktionary
num_bytes: 152591462
num_examples: 406557
- name: tawikibooks
num_bytes: 4553789
num_examples: 1155
download_size: 0
dataset_size: 1015854186
---
# Dataset Card for "tawikidump-20230320-tokenizer-clean"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征：
- 字段名：text，数据类型：字符串（string）
数据集划分：
- 划分名称：泰语维基引语（Wikiquote），字节数：6354086，样本数：1211
- 划分名称：泰语维基资源（Wikisource），字节数：112492580，样本数：5031
- 划分名称：泰语维基百科（Wikipedia），字节数：725939876，样本数：155212
- 划分名称：泰语维基新闻（Wikinews），字节数：13922393，样本数：3372
- 划分名称：泰语维基词典（Wiktionary），字节数：152591462，样本数：406557
- 划分名称：泰语维基教科书（Wikibooks），字节数：4553789，样本数：1155
下载大小：0
数据集总大小：1015854186
---
# 「tawikidump-20230320-tokenizer-clean」数据集卡片
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• 名称: tawikidump-20230320-tokenizer-clean

数据集特征

• 特征:
  • 名称: text
  • 数据类型: string

数据集分割

• 分割名称: tawikiquote
  • 示例数量: 1211
  • 字节数: 6354086
• 分割名称: tawikisource
  • 示例数量: 5031
  • 字节数: 112492580
• 分割名称: tawiki
  • 示例数量: 155212
  • 字节数: 725939876
• 分割名称: tawikinews
  • 示例数量: 3372
  • 字节数: 13922393
• 分割名称: tawiktionary
  • 示例数量: 406557
  • 字节数: 152591462
• 分割名称: tawikibooks
  • 示例数量: 1155
  • 字节数: 4553789

数据集大小

• 下载大小: 0
• 数据集总大小: 1015854186