yuhuanstudio/wikipedia-zh
中文维基百科纯文本数据集（简体中文） 一个条目一条记录，保留章节结构，可直接用于语言模型预训练。 📅 当前版本：2610（维基百科 dump 日期：2026/10/1） 字段 字段 说明 id 维基百科条目 ID title 条目标题 url 条目原文网址（用未经繁简转换的原始标题组成，直接命中不跳转） text 条目全文。第一行为标题，章节以 ## 标示，列表为 - ，表格行以 ｜ 分隔，代码用 ``` 围栏，公式保留 LaTeX 并以 $ 包住 不含图说——图说说的是“这张图是什么”，不是条目本身的叙述，它在 图文配对版 与 图文交错版 里。 侧边信息框的事实会抽出来接在文末的 ## 基本资料 章节——生卒年、面积、成立年份 这些往往只写在信息框里，正文不会重复。字段名取自维基自己的模板定义，不是猜的。 没有长度过滤：一句话的条目也是完整的知识内容，要筛随时可以自己做， 被丢掉的救不回来。 2607 以前与 2608 起的差异… See the full description on the dataset page: https://huggingface.co/datasets/yuhuanstudio/wikipedia-zh.
| Author / organization | yuhuanstudio |
|---|---|
| License (as declared) | cc-by-sa-4.0 |
| Downloads | 1.4K (as reported by Hugging Face) |
| Likes | 8 |
| Created | 22 August 2025 |
| Last updated at source | 10 October 2026 |
Popularity, last 5 days
1,356 now (+7 since 2026-10-16). Counts as reported by the source, snapshotted daily by Silytics.
More from yuhuanstudio
Silytics shows public metadata from Hugging Face and links to the original. Information may be incomplete or out of date. Last refreshed 20 October 2026. Licenses and terms of the original apply to the work itself. Not financial, legal or professional advice.