derenrich/wikidata-enwiki-categories-and-statements

--- language: - en license: cc-by-3.0 size_categories: - 1M<n<10M task_categories: - text-classification pretty_name: Predict Wikidata Type From Enwiki Categories tags: - wikidata - wikipedia configs: - config_name: default data_files: - split: train path: data/train-* - split: test path: data/test-* dataset_info: features: - name: qid dtype: string - name: relation dtype: string - name: target_qid dtype: string - name: relation_id dtype: int64 - name: text dtype: string - name: __index_level_0__ dtype: int64 splits: - name: train num_bytes: 1725928619.6360972 num_examples: 6534445 - name: test num_bytes: 191769993.36390287 num_examples: 726050 download_size: 1003767773 dataset_size: 1917698613.0 ---## 数据集基础信息 - 语言：英语（en） - 许可证：知识共享署名3.0协议（CC BY 3.0） - 样本规模区间：100万 < 样本数 < 1000万 - 任务类别：文本分类 - 友好名称：基于英文维基百科分类预测维基数据（Wikidata）条目类型 - 标签：维基数据（Wikidata）、维基百科（Wikipedia） ## 配置信息 - 配置名称：默认配置（default） 数据文件路径： - 训练集（train）：data/train-* - 测试集（test）：data/test-* ## 数据集详情 ### 数据集信息 #### 特征字段 - qid：字符串类型 - relation：字符串类型 - target_qid：字符串类型 - relation_id：64位整数类型 - text：字符串类型 - __index_level_0__：64位整数类型 #### 拆分集详情 - 训练集（train）：字节数1725928619.6360972，样本量6534445 - 测试集（test）：字节数191769993.36390287，样本量726050 - 下载大小：1003767773 字节 - 数据集总大小：1917698613.0 字节

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 许可证: CC-BY-3.0
• 大小: 1M<n<10M
• 任务类别: 文本分类
• 美观名称: Predict Wikidata Type From Enwiki Categories

标签

• 主题:
  • Wikidata
  • Wikipedia

配置

• 默认配置:
  • 训练数据路径: data/train-*
  • 测试数据路径: data/test-*

数据集信息

• 特征:

  • qid: 字符串
  • relation: 字符串
  • target_qid: 字符串
  • relation_id: 整数（64位）
  • text: 字符串
  • index_level_0: 整数（64位）

• 分割详情:

  • 训练集:
    • 字节数: 1725928619.6360972
    • 示例数: 6534445
  • 测试集:
    • 字节数: 191769993.36390287
    • 示例数: 726050

• 下载大小: 1003767773

• 数据集大小: 1917698613.0