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