YCWTG/wikipedia_zh_cleaned_latest download history

YCWTG/wikipedia_zh_cleaned_latest is a text generation dataset on the Hugging Face Hub. In the last 30 days it was downloaded 77 times (8 in the last 7 days), and 510 times in total. It ranks #136,979 among datasets by monthly downloads.

🌐Language 中文|English 本数据集由2025年12月11日维基百科的中文版本的快照经过清洗得来，专用于预训练等文本生成相关的模型训练。 特色 ⚡体积优势 🧠文本易理解 💬更符合中文语境 仅经过基础清洗的数据集 3.50GB 存在复杂的网址链接残留的html标记正文内容被清除后残存的标题牛皮癣一样的引文注脚 暴力抹除非中文文字，导致信息缺失严重 本数据集 3.21GB(8.29%↓) 通过多重工序清洗基本不存在难以理解的文本内容 保留部分英文以及少量其他语言文字(如日语) 仅经过基础清洗的数据集 【孙中山】 孙中山（catIdx

Open YCWTG/wikipedia_zh_cleaned_latest on Hugging Face

Sister project: Paper Pulse, the upvote history of every Hugging Face Daily Paper.