lorinma/ChineseEncyclopedia

这是一个中文百科类数据集，数据来源非百度百科或wikipedia。数据集非常干净，质量高，多样性好，偏知识性，适合进行多次训练。包含约28万个条目，总计2.4亿字。使用前需注意处理一些小问题，如csv的占位逗号和图片名称。

原始信息汇总

数据集概述

基本信息

• 许可协议：MIT
• 任务类别：文本生成
• 语言：中文
• 数据规模：100K<n<1M

数据内容

• 类型：中文百科类数据
• 来源：非百度百科或Wikipedia
• 质量：非常干净，质量高，多样性好，偏知识性
• 适用性：适合进行多次迭代（epoch）

数据细节

• 条目数量：约28万个
• 字数：2.4亿字

注意事项

• 数据中存在一些小问题，如CSV文件每行末尾的占位逗号和图片文件名（例如：2022112908575485.jpg），使用前需进行处理。