annotations_creators:
- no-annotation
language:
- tr
language_creators:
- crowdsourced
license:
- cc-by-sa-3.0
- gfdl
multilinguality: []
pretty_name: Turkish March 2023
size_categories:
- 100K<n<1M
source_datasets:
- original
tags:
- wikipedia, wiki,
task_categories:
- fill-mask
- text-generation
task_ids:
- masked-language-modeling
dataset_info:
features:
- name: id
dtype: string
- name: url
dtype: string
- name: title
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 937933753
num_examples: 512976
download_size: 520010011
dataset_size: 937933753
📖 Türkçe Vikipedi Mart 2023
Bu veri kümesi, Türkçe Vikipedi'den alınan makalelerin bir derlemesi olup, maskeleme dil modelleme ve metin oluşturma görevleri için tasarlanmıştır.
📚 Veri Kümesi Bilgisi
Veri kümesi "train" adlı tek bir bölüme ayrılmıştır. "train" bölümünde 512.377 örnek bulunmaktadır ve 935.821.219 bayt büyüklüğündedir. Veri kümesindeki her örnek şu özelliklere sahiptir: id, url, başlık ve metin. "id" özelliği bir dizedir, "url", "başlık" ve "metin" özellikleri ise dtype string'dir. "20230220" tarihli Vikipedi dökümünden Huggingface wikipedia temizleyici kullanarak işlenmiş ve temizlenmiştir.
🗣️ Etiketlemeler
Bu veri kümesindeki makaleler, özellikle belirli bir görev için etiketlenmemiş olup, veri kümesi etiketsizdir.
🌐 Dil
Bu veri kümesi Türkçe yazılmış olup, gönüllülerden oluşan bir ekip tarafından topluluk katılımı yöntemleri ile oluşturulmuştur.
📜 Lisans
CC-BY-SA 3.0 ve GFDL
💻 Kaynak Veri Kümeleri
Bu veri kümesi, Türkçe Vikipedi'den oluşturulan orijinal bir veri kümesidir.
💾 İndirme Boyutu
İndirme boyutu 518.914.544 bayttır.
Türkçe Vikipedi veri kümesini kullandığınız için teşekkürler! Dil modelleme ve metin oluşturma görevleriniz için faydalı olmasını umuyoruz.
📖 Wikipedia Turkish March 2023
This dataset is a collection of articles from the Turkish Wikipedia and is designed to be used for masked language modeling and text generation tasks.
📚 Dataset Info
The dataset is organized into one split: "train". The "train" split contains 512,377 examples and has a size of 935,821,219 bytes. Each example in the dataset contains the following features: id, url, title, and text. The "id" feature is a string, while the "url", "title", and "text" features are all of dtype string. Based on Wikipedia dump of "20230220" Processed and cleaned using Huggingface wikipedia cleaner.
🗣️ Annotations
The articles in this dataset were not specifically annotated for any particular task, meaning that the dataset is unlabeled.
🌐 Language
This dataset is written in Turkish and was created using crowdsourcing methods by a team of volunteers.
📜 License
CC-BY-SA 3.0 and GFDL
💻 Source Datasets
This dataset is an original dataset created from the Turkish Wikipedia.
💾 Download Size
The download size is 518,914,544 bytes.
Thank you for using the Wikipedia Turkish dataset! We hope it is useful for your language modeling and text generation tasks.