Dataset

wikipedia-full

Name: wikipedia-full
Creator: akahana
License: CC-BY-SA-3.0

by akahana

Dataset Card for Wikimedia Wikipedia Dataset Summary Wikipedia dataset containing cleaned articles of all languages. The dataset is built from the Wikipedia dumps with one subset per language, each containing a single train split.

CC-BY-SA-3.0text-generation 719 210M < n < 100M rows

published 24 Dec 2025

Open on Hugging Face

Preview

First 5 rows of 20231101.or / train, from the Hugging Face dataset viewer.

id	url	title	text
1024	https://or.wikipedia.org/wiki/%E0%AC%AD%E0%AC%BE%E0%AC%B0%E0%AC%A4	ଭାରତ	ଭାରତ ସରକାରୀ ସ୍ତରରେ ଏକ ଗଣରାଜ୍ୟ ଓ ଦକ୍ଷିଣ ଏସିଆର ଏକ ଦେଶ । ଏହା ଭୌଗୋଳିକ ଆୟତନ ଅନୁସାରେ ବିଶ୍ୱର ସପ୍ତମ ଓ ଜନସଂଖ୍ୟା ଅନୁସାରେ ବିଶ୍ୱର ପ୍ରଥମ ବୃହତ୍ତମ ଦେଶ । ଏହା ବିଶ୍ୱର ବୃହତ୍ତମ ଗଣତନ୍ତ୍ର ରୁପରେ ପରିଚିତ । ଏହାର ଉତ୍ତରରେ ଉଚ୍ଚ ଏବଂ ବହୁଦୂର ଯାଏ ଲମ୍ବିଥିବା ହିମାଳୟ, ଦକ୍ଷିଣରେ ଭାରତ ମହାସାଗର, ପୂର୍ବରେ ବଙ୍ଗୋପସାଗର ଓ ପଶ୍ଚିମରେ ଆରବସାଗର ରହିଛ…
1589	https://or.wikipedia.org/wiki/%E0%AC%93%E0%AC%A1%E0%AC%BC%E0%AC%BF%E0%AC%86	ଓଡ଼ିଆ	ଓଡ଼ିଆ ବୋଧେ: ଭାରତରେ ଓଡ଼ିଆ ଲୋକ ଓଡ଼ିଆ ଭାଷା ଓଡ଼ିଆ ଲିପି ଓଡ଼ିଆ ସାହିତ୍ୟ ଓଡ଼ିଆ ଖାଦ୍ୟକୁ ବୁଝାଇପାରେ
1594	https://or.wikipedia.org/wiki/%E0%AC%AA%E0%AD%8D%E0%AC%B0%E0%AC%A7%E0%AC%BE%E0%AC%A8%20%E0%AC%AA%E0%AD%83%E0%AC%B7%E0%AD%8D%E0%AC%A0%E0%AC%BE	ପ୍ରଧାନ ପୃଷ୍ଠା	<div id="ପ୍ରଧାନ ପୃଷ୍ଠା"> \|}
1862	https://or.wikipedia.org/wiki/%E0%AD%A8%E0%AD%A6%E0%AD%A6%E0%AD%AC	୨୦୦୬	ଘଟଣା ଜାନୁଆରୀ-ମାର୍ଚ୍ଚ ଅପ୍ରେଲ-ଜୁନ ଜୁଲାଇ-ସେପ୍ଟେମ୍ବର ଅକ୍ଟୋବର-ଡିସେମ୍ବର ଅଜ୍ଞାତ ତିଥି ଘଟଣା ଜନ୍ମ ଜାନୁଆରୀ-ମାର୍ଚ୍ଚ ଅପ୍ରେଲ-ଜୁନ ଜୁଲାଇ-ସେପ୍ଟେମ୍ବର ଅକ୍ଟୋବର-ଡିସେମ୍ବର ମୃତ୍ୟୁ ଜାନୁଆରୀ-ମାର୍ଚ୍ଚ ଅପ୍ରେଲ-ଜୁନ ଜୁଲାଇ-ସେପ୍ଟେମ୍ବର ଅକ୍ଟୋବର-ଡିସେମ୍ବର ଆଧାର ୨୦୦୬
1929	https://or.wikipedia.org/wiki/%E0%AC%9C%E0%AC%BE%E0%AC%AA%E0%AC%BE%E0%AC%A8	ଜାପାନ	ଜାପାନ (日本, ନିପ୍ପୋଁ ବା ନିହୋଁ), ପୂର୍ବ ଏସିଆରେ ଅବସ୍ଥିତ ଏକ ଦ୍ୱୀପ ରାଷ୍ଟ୍ର । ଏହାର ପଶ୍ଚିମରେ ଜାପାନ ସାଗର, ଓଖୋତ୍ସକ ସାଗରଠାରୁ ପୂର୍ବ ଚୀନ ସାଗର ଓ ତାଇୱାନ ପର୍ଯ୍ୟନ୍ତ ବ୍ଯାପ୍ତ ହୋଇ ରହିଛି । ପ୍ରଶାନ୍ତ ଅଗ୍ନିବଳୟର ଏକ ଅଂଶ, ଜାପାନ ୬,୮୫୨ଟି ଦ୍ୱୀପରେ ଗଢାହୋଇଛି ଯାହାର ପ୍ରାୟ ୩,୭୭,୯୭୫ ବର୍ଗ କି.ମି. କ୍ଷେତ୍ରଫଳ ରହିଛି; ଦେଶର ପାଞ୍ଚଟି ମୁଖ୍ଯ ଦ୍ୱୀ…

Cite this

CC-BY-SA-3.0textCite

wikipedia-full

Preview

Cite this

Tags