Эта страница была переведа с помощью Cloud Translation API.
Switch to English

wiki40b

  • Описание :

Очищенный текст для 40+ языков Википедии, версии страниц соответствуют сущностям. В наборах данных есть разделение на обучение / разработку / тестирование для каждого языка. Набор данных очищается путем фильтрации страниц для удаления страниц с неоднозначностью, страниц перенаправления, удаленных страниц и страниц, не являющихся объектами. Каждый пример содержит идентификатор викиданных объекта и полную статью Википедии после обработки страницы, которая удаляет разделы, не относящиеся к содержанию, и структурированные объекты. Языковые модели, обученные в этом корпусе, включая 41 одноязычную модель и 2 многоязычные модели, можно найти по адресу https: //tfhub.dev/google/collections/wiki40b-lm/1.

  • Домашняя страница : https://research.google/pubs/pub49029/

  • Исходный код : tfds.text.Wiki40b

  • Версии :

    • 1.3.0 (по умолчанию): без примечаний к выпуску.
  • Размер загрузки : Unknown size

  • Особенности :

FeaturesDict({
    'text': Text(shape=(), dtype=tf.string),
    'version_id': Text(shape=(), dtype=tf.string),
    'wikidata_id': Text(shape=(), dtype=tf.string),
})
  • Контролируемые ключи (см. as_supervised doc ): None

  • Цитата :

@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 (конфигурация по умолчанию)

  • Описание конфигурации : Набор данных Wiki40B для en.

  • Размер набора данных : 9.91 GiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 162 274
'train' 2 926 536
'validation' 163 597

wiki40b / ar

  • Описание конфигурации : Набор данных Wiki40B для ar.

  • Размер набора данных : 833.20 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 12 271
'train' 220 885
'validation' 12 198

wiki40b / zh-cn

  • Описание конфигурации : Набор данных Wiki40B для zh-cn.

  • Размер набора данных : 985.53 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 30 355
'train' 549 672
'validation' 30 299

wiki40b / zh-tw

  • Описание конфигурации : Набор данных Wiki40B для zh-tw.

  • Размер набора данных : 986.45 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 30 670
'train' 552 031
'validation' 30 739

wiki40b / nl

  • Описание конфигурации : Набор данных Wiki40B для nl.

  • Размер набора данных : 961.82 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 24 776
'train' 447 555
'validation' 25 201

wiki40b / fr

  • Описание конфигурации : Набор данных Wiki40B для fr.

  • Размер набора данных : 3.37 GiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 68 004
'train' 1,227,206
'validation' 68 655

wiki40b / de

  • Описание конфигурации : Набор данных Wiki40B для de.

  • Размер набора данных : 4.78 GiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 86 594
'train' 1,554,910
'validation' 86 068

wiki40b / it

  • Описание конфигурации : набор данных Wiki40B для него.

  • Размер набора данных : 2.00 GiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 40 443
'train' 732 609
'validation' 40 684

wiki40b / ja

  • Описание конфигурации : Набор данных Wiki40B для ja.

  • Размер набора данных : 2.19 GiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 41 268
'train' 745 392
'validation' 41 576

wiki40b / ko

  • Описание конфигурации : Набор данных Wiki40B для ko.

  • Размер набора данных : 453.98 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 10,802
'train' 194 977
'validation' 10 805

wiki40b / pl

  • Описание конфигурации : Набор данных Wiki40B для пл.

  • Размер набора данных : 1.03 GiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 27 987
'train' 505 191
'validation' 28 310

wiki40b / pt

  • Описание конфигурации : Набор данных Wiki40B для pt.

  • Размер набора данных : 1.08 GiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 22 693
'train' 406 507
'validation' 22 301

wiki40b / ru

  • Описание конфигурации : Набор данных Wiki40B для ru.

  • Размер набора данных : 4.13 GiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 51 885
'train' 926 037
'validation' 51 287

wiki40b / es

  • Описание конфигурации : Набор данных Wiki40B для es.

  • Размер набора данных : 2.70 GiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 48 764
'train' 872 541
'validation' 48 592

wiki40b / th

  • Описание конфигурации : Набор данных Wiki40B для th.

  • Размер набора данных : 326.29 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 3114
'train' 56 798
'validation' 3093

wiki40b / tr

  • Описание конфигурации : Набор данных Wiki40B для tr.

  • Размер набора данных : 308.87 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 7 890
'train' 142 576
'validation' 7 845

wiki40b / bg

  • Описание конфигурации : Набор данных Wiki40B для bg.

  • Размер набора данных : 433.20 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 7 289
'train' 130 670
'validation' 7 259

wiki40b / ca

  • Описание конфигурации : Набор данных Wiki40B для ок.

  • Размер набора данных : 753.00 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 15,568
'train' 277 313
'validation' 15 362

wiki40b / cs

  • Описание конфигурации : Набор данных Wiki40B для cs.

  • Размер набора данных : 631.84 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 12 984
'train' 235 971
'validation' 13 096

wiki40b / da

  • Описание конфигурации : Набор данных Wiki40B для da.

  • Размер набора данных : 240.51 MiB

  • Автоматическое кэширование ( документация ): Да (тест, проверка), только когда shuffle_files=False (поезд)

  • Сплит :

Трещина Примеры
'test' 6 219
'train' 109 486
'validation' 6 173

wiki40b / el

  • Описание конфигурации : Набор данных Wiki40B для эл.

  • Размер набора данных : 524.77 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 5 261
'train' 93 596
'validation' 5 130

wiki40b / et

  • Описание конфигурации : набор данных Wiki40B для et.

  • Размер набора данных : 184.07 MiB

  • Автоматическое кэширование ( документация ): Да (тест, проверка), только когда shuffle_files=False (поезд)

  • Сплит :

Трещина Примеры
'test' 6 205
'train' 114 464
'validation' 6 351

wiki40b / fa

  • Описание конфигурации : Набор данных Wiki40B для fa.

  • Размер набора данных : 482.55 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 11 262
'train' 203 145
'validation' 11 180

wiki40b / fi

  • Описание конфигурации : Набор данных Wiki40B для fi.

  • Размер набора данных : 534.13 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 14 179
'train' 255 822
'validation' 13 962

wiki40b / he

  • Описание конфигурации : Набор данных Wiki40B для he.

  • Размер набора данных : 869.51 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 9 344
'train' 165 359
'validation' 9 231

wiki40b / привет

  • Описание конфигурации : Набор данных Wiki40B для привет.

  • Размер набора данных : 277.56 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 2 643
'train' 45 737
'validation' 2,596

wiki40b / час

  • Описание конфигурации : Набор данных Wiki40B для hr.

  • Размер набора данных : 235.58 MiB

  • Автоматическое кэширование ( документация ): Да (тест, проверка), только когда shuffle_files=False (поезд)

  • Сплит :

Трещина Примеры
'test' 5724
'train' 103 857
'validation' 5792

wiki40b / hu

  • Описание конфигурации : Набор данных Wiki40B для hu.

  • Размер набора данных : 634.25 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 15 258
'train' 273 248
'validation' 15 208

wiki40b / id

  • Описание конфигурации : Набор данных Wiki40B для id.

  • Размер набора данных : 334.06 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 8 598
'train' 156 255
'validation' 8 714

wiki40b / lt

  • Описание конфигурации : Набор данных Wiki40B для lt.

  • Размер набора данных : 140.46 MiB

  • Автоматическое кэширование ( документация ): Да

  • Сплит :

Трещина Примеры
'test' 4 683
'train' 84 854
'validation' 4 754

wiki40b / lv

  • Описание конфигурации : Набор данных Wiki40B для lv.

  • Размер набора данных : 80.07 MiB

  • Автоматическое кэширование ( документация ): Да

  • Сплит :

Трещина Примеры
'test' 1,932
'train' 33 064
'validation' 1,857

wiki40b / мс

  • Описание конфигурации : Набор данных Wiki40B для ms.

  • Размер набора данных : 142.49 MiB

  • Автоматическое кэширование ( документация ): Да (тест, проверка), только когда shuffle_files=False (поезд)

  • Сплит :

Трещина Примеры
'test' 5 235
'train' 97 509
'validation' 5 357

wiki40b / нет

  • Описание конфигурации : Набор данных Wiki40B для №

  • Размер набора данных : 382.03 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 10 588
'train' 190 588
'validation' 10 547

wiki40b / ro

  • Описание конфигурации : Набор данных Wiki40B для ro.

  • Размер набора данных : 319.68 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 7 870
'train' 139 615
'validation' 7 624

wiki40b / sk

  • Описание конфигурации : Набор данных Wiki40B для sk.

  • Размер набора данных : 170.20 MiB

  • Автоматическое кэширование ( документация ): Да (тест, проверка), только когда shuffle_files=False (поезд)

  • Сплит :

Трещина Примеры
'test' 5741
'train' 103 095
'validation' 5 604

wiki40b / sl

  • Описание конфигурации : Набор данных Wiki40B для сл.

  • Размер набора данных : 157.38 MiB

  • Автоматическое кэширование ( документация ): Да (тест, проверка), только когда shuffle_files=False (поезд)

  • Сплит :

Трещина Примеры
'test' 3 341
'train' 60 927
'validation' 3 287

wiki40b / sr

  • Описание конфигурации : Набор данных Wiki40B для sr.

  • Размер набора данных : 582.20 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 17 997
'train' 327 313
'validation' 18 100

wiki40b / sv

  • Описание конфигурации : Набор данных Wiki40B для sv.

  • Размер набора данных : 613.62 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 22 291
'train' 400 742
'validation' 22 263

wiki40b / tl

  • Описание конфигурации : Набор данных Wiki40B для tl.

  • Размер набора данных : 29.04 MiB

  • Автоматическое кэширование ( документация ): Да

  • Сплит :

Трещина Примеры
'test' 1,446
'train' 25 940
'validation' 1,472

wiki40b / uk

  • Описание конфигурации : набор данных Wiki40B для великобритании.

  • Размер набора данных : 1.67 GiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 26 581
'train' 477 618
'validation' 26 324

wiki40b / vi

  • Описание конфигурации : Набор данных Wiki40B для vi.

  • Размер набора данных : 497.70 MiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплит :

Трещина Примеры
'test' 7 942
'train' 146 255
'validation' 8 195