找到4个数据集

标签: 维基文本

过滤结果

  • Wikimedia_数学表达式去重列表数据

    2026年2月2日 30 174 21

    数据集概述 本数据集包含维基媒体所有项目（含维基百科）中使用的全部数学表达式的去重列表。数据以JSON格式存储，键为输入内容的MD5哈希值，值为从维基文本源中提取的数学表达式内容。数据集可用于数学表达式的标准化、知识图谱构建等场景，仅包含一个文件。 文件详解 文件名称：wmf_texvc_inputs.json 文件格式：JSON...
    packageimg

  • 英文维基百科文本数据集

    2025年12月23日 30 103 77

    数据集概述 本数据集包含英文维基百科文本的转储文件，以及相关的测试数据说明文档和压缩工具。数据文件类型多样，涵盖PMD格式文本、压缩包、可执行文件和网页文档，为英文维基百科文本相关的实验或测试提供数据支持。 文件详解 该数据集包含7个文件，具体说明如下： - 文本文件: - enwik8.pmd: PMD格式文件，可能为英文维基百科文本数据 -...
    packageimg

  • 印地语和泰米尔语维基文本数据集HindiandTamilWikiTextDataset-starkking07

    2025年5月30日 30 66 47

    印地语和泰米尔语维基文本数据集HindiandTamilWikiTextDataset-starkking07 数据来源：互联网公开数据 标签：自然语言处理，语言模型，文本分类，印地语，泰米尔语，数据集，机器学习，多语言处理 数据概述： 该数据集包含来自维基百科的印地语和泰米尔语文本数据，记录了两门语言的维基百科文章内容。主要特征如下：...
    packageimg

  • 维基文本清洗数据集第二部分WikitextCleanDataPart2Dataset-yingpengchen

    2025年5月29日 30 149 0

    维基文本清洗数据集第二部分WikitextCleanDataPart2Dataset-yingpengchen 数据来源：互联网公开数据 标签：自然语言处理，文本数据，数据集，文本清洗，机器学习，语言模型，信息检索，文本分析 数据概述： 该数据集是维基文本清洗数据集的第二部分，包含了从维基百科中提取和清洗过的文本数据。主要特征如下：...
    packageimg