wiki40b

  • 説明

ページの40以上のウィキペディア言語版のクリーンアップテキストはエンティティに対応しています。データセットには、言語ごとにtrain / dev / testの分割があります。データセットは、ページフィルタリングによってクリーンアップされ、曖昧性解消ページ、リダイレクトページ、削除されたページ、およびエンティティ以外のページが削除されます。各例には、エンティティのwikidata IDと、非コンテンツセクションと構造化オブジェクトを削除するページ処理後の完全なWikipedia記事が含まれています。 - 41の単一言語モデル、および2つの多言語モデルを含む-このコーパスに訓練された言語モデルは、HTTPSで発見することができます://tfhub.dev/グーグル/コレクション/ wiki40b-lm / 1。

FeaturesDict({
    'text': Text(shape=(), dtype=tf.string),
    'version_id': Text(shape=(), dtype=tf.string),
    'wikidata_id': Text(shape=(), dtype=tf.string),
})
@inproceedings{49029,
title = {Wiki-40B: Multilingual Language Model Dataset},
author = {Mandy Guo and Zihang Dai and Denny Vrandecic and Rami Al-Rfou},
year = {2020},
booktitle   = {LREC 2020}
}

wiki40b / en(デフォルト設定)

  • コンフィグの説明:アンのためのWiki40Bデータセット。

  • データセットサイズ9.91 GiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 162,274
'train' 2,926,536
'validation' 163,597

wiki40b / ar

  • コンフィグの説明:AR用Wiki40Bデータセット。

  • データセットのサイズ833.20 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 12,271
'train' 220,885
'validation' 12,198

wiki40b / zh-cn

  • コンフィグの説明:ZH-CNのためのWiki40Bデータセット。

  • データセットのサイズ985.53 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 30,355
'train' 549,672
'validation' 30,299

wiki40b / zh-tw

  • コンフィグの説明:ZH-TW用Wiki40Bデータセット。

  • データセットのサイズ986.45 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 30,670
'train' 552,031
'validation' 30,739

wiki40b / nl

  • コンフィグの説明:NLためWiki40Bデータセット。

  • データセットのサイズ961.82 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 24,776
'train' 447,555
'validation' 25,201

wiki40b / fr

  • コンフィグの説明:FR用Wiki40Bデータセット。

  • データセットサイズ3.37 GiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 68,004
'train' 1,227,206
'validation' 68,655

wiki40b / de

  • コンフィグの説明:デためWiki40Bデータセット。

  • データセットサイズ4.78 GiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 86,594
'train' 1,554,910
'validation' 86,068

wiki40b / it

  • コンフィグの説明:それのためWiki40Bデータセット。

  • データセットサイズ2.00 GiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 40,443
'train' 732,609
'validation' 40,684

wiki40b / ja

  • コンフィグの説明:JAためWiki40Bデータセット。

  • データセットサイズ2.19 GiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 41,268
'train' 745,392
'validation' 41,576

wiki40b / ko

  • コンフィグの説明:KOためWiki40Bデータセット。

  • データセットのサイズ453.98 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 10,802
'train' 194,977
'validation' 10,805

wiki40b / pl

  • コンフィグの説明:PL用Wiki40Bデータセット。

  • データセットサイズ1.03 GiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 27,987
'train' 505,191
'validation' 28,310

wiki40b / pt

  • コンフィグの説明:PT用Wiki40Bデータセット。

  • データセットサイズ1.08 GiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 22,693
'train' 406,507
'validation' 22,301

wiki40b / ru

  • コンフィグの説明:RUのためのWiki40Bデータセット。

  • データセットサイズ4.13 GiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 51,885
'train' 926,037
'validation' 51,287

wiki40b / es

  • コンフィグの説明:ESのWiki40Bデータセット。

  • データセットサイズ2.70 GiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 48,764
'train' 872,541
'validation' 48,592

wiki40b / th

  • コンフィグの説明:番目のためのWiki40Bデータセット。

  • データセットのサイズ326.29 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 3,114
'train' 56,798
'validation' 3,093

wiki40b / tr

  • コンフィグの説明:TR用Wiki40Bデータセット。

  • データセットのサイズ308.87 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 7,890
'train' 142,576
'validation' 7,845

wiki40b / bg

  • コンフィグの説明:BG用Wiki40Bデータセット。

  • データセットのサイズ433.20 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 7,289
'train' 130,670
'validation' 7,259

wiki40b / ca

  • コンフィグの説明:CAのWiki40Bデータセット

  • データセットのサイズ753.00 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 15,568
'train' 277,313
'validation' 15,362

wiki40b / cs

  • コンフィグの説明:CS用Wiki40Bデータセット。

  • データセットのサイズ631.84 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 12,984
'train' 235,971
'validation' 13,096

wiki40b / da

  • コンフィグの説明:ダ用Wiki40Bデータセット。

  • データセットのサイズ240.51 MiB

  • オートキャッシュされたドキュメント):はい(テスト、検証)、ときにのみshuffle_files=False (電車)

  • スプリット

スプリット
'test' 6,219
'train' 109,486
'validation' 6,173

wiki40b / el

  • コンフィグの説明:EL用Wiki40Bデータセット。

  • データセットのサイズ524.77 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 5,261
'train' 93,596
'validation' 5,130

wiki40b / et

  • コンフィグの説明:らのためWiki40Bデータセット。

  • データセットのサイズ184.07 MiB

  • オートキャッシュされたドキュメント):はい(テスト、検証)、ときにのみshuffle_files=False (電車)

  • スプリット

スプリット
'test' 6,205
'train' 114,464
'validation' 6,351

wiki40b / fa

  • コンフィグの説明:FA用Wiki40Bデータセット。

  • データセットのサイズ482.55 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 11,262
'train' 203,145
'validation' 11,180

wiki40b / fi

  • コンフィグの説明:FiのためのWiki40Bデータセット。

  • データセットのサイズ534.13 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 14,179
'train' 255,822
'validation' 13,962

wiki40b / he

  • コンフィグの説明:彼のためにWiki40Bデータセット。

  • データセットのサイズ869.51 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 9,344
'train' 165,359
'validation' 9,231

wiki40b / hi

  • コンフィグの説明:こんにちはためWiki40Bデータセット。

  • データセットのサイズ277.56 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 2,643
'train' 45,737
'validation' 2,596

wiki40b / hr

  • コンフィグの説明:時間Wiki40Bデータセット。

  • データセットのサイズ235.58 MiB

  • オートキャッシュされたドキュメント):はい(テスト、検証)、ときにのみshuffle_files=False (電車)

  • スプリット

スプリット
'test' 5,724
'train' 103,857
'validation' 5,792

wiki40b / hu

  • コンフィグの説明:HU用Wiki40Bデータセット。

  • データセットのサイズ634.25 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 15,258
'train' 273,248
'validation' 15,208

wiki40b / id

  • コンフィグの説明:idのWiki40Bデータセット。

  • データセットのサイズ334.06 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 8,598
'train' 156,255
'validation' 8,714

wiki40b / lt

  • 設定の説明:LT用Wiki40Bデータセット。

  • データセットのサイズ140.46 MiB

  • オートキャッシュされたドキュメント):はい

  • スプリット

スプリット
'test' 4,683
'train' 84,854
'validation' 4,754

wiki40b / lv

  • コンフィグの説明:LV用Wiki40Bデータセット。

  • データセットサイズ80.07 MiB

  • オートキャッシュされたドキュメント):はい

  • スプリット

スプリット
'test' 1,932
'train' 33,064
'validation' 1,857

wiki40b / ms

  • コンフィグの説明:ミリ秒Wiki40Bデータセット。

  • データセットのサイズ142.49 MiB

  • オートキャッシュされたドキュメント):はい(テスト、検証)、ときにのみshuffle_files=False (電車)

  • スプリット

スプリット
'test' 5,235
'train' 97,509
'validation' 5,357

wiki40b / no

  • コンフィグの説明:なし用Wiki40Bデータセット。

  • データセットのサイズ382.03 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 10,588
'train' 190,588
'validation' 10,547

wiki40b / ro

  • コンフィグの説明:RO用Wiki40Bデータセット。

  • データセットのサイズ319.68 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 7,870
'train' 139,615
'validation' 7,624

wiki40b / sk

  • コンフィグの説明:SKためWiki40Bデータセット。

  • データセットのサイズ170.20 MiB

  • オートキャッシュされたドキュメント):はい(テスト、検証)、ときにのみshuffle_files=False (電車)

  • スプリット

スプリット
'test' 5,741
'train' 103,095
'validation' 5,604

wiki40b / sl

  • コンフィグの説明:SL用Wiki40Bデータセット。

  • データセットのサイズ157.38 MiB

  • オートキャッシュされたドキュメント):はい(テスト、検証)、ときにのみshuffle_files=False (電車)

  • スプリット

スプリット
'test' 3,341
'train' 60,927
'validation' 3,287

wiki40b / sr

  • コンフィグの説明:SR用Wiki40Bデータセット。

  • データセットのサイズ582.20 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 17,997
'train' 327,313
'validation' 18,100

wiki40b / sv

  • コンフィグの説明:SVのためのWiki40Bデータセット。

  • データセットのサイズ613.62 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 22,291
'train' 400,742
'validation' 22,263

wiki40b / tl

  • コンフィグの説明:TL用Wiki40Bデータセット。

  • データセットサイズ29.04 MiB

  • オートキャッシュされたドキュメント):はい

  • スプリット

スプリット
'test' 1,446
'train' 25,940
'validation' 1,472

wiki40b / uk

  • コンフィグの説明:英国Wiki40Bデータセット。

  • データセットサイズ1.67 GiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 26,581
'train' 477,618
'validation' 26,324

wiki40b / vi

  • コンフィグの説明:viのためのWiki40Bデータセット。

  • データセットのサイズ497.70 MiB

  • オートキャッシュされたドキュメント):いいえ

  • スプリット

スプリット
'test' 7,942
'train' 146,255
'validation' 8,195