发布 wikipedia 数据集, 应用在 自然语言处理、文本预处理 领域

本次发布的数据集 wikipedia, 该数据集是基于英文维基百科进行清理和去重处理的，并且针对多个基准测试（如GLUE、SIQA、PIQA等）进行了去污染处理。在此过程中移除了361个文档。数据集包含4,443,727个样本，下载的parquet文件大小为9.4GB。

查看wikipedia

Dataset card 内容： 

Files and versions 内容： 

关于 , 国庆学校是一所位于中国的教育机构，专注于提供基础教育服务。学校致力于培养学生的综合素质，注重学术与品德的全面发展。

关于 HuggingFace , Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的创建、发现和协作。该平台支持多种数据类型，包括文本、图像、视频、音频和3D数据，并提供开源工具和付费计算及企业解决方案。