Datasets
Dataset
wikianc
by cyanic-selkie
Dataset Card for WikiAnc Dataset Summary The WikiAnc dataset is an automatically generated dataset from Wikipedia (all languages) and Wikidata dumps (August, 2023). The code for generating the dataset can be found here.
CC-BY-SA-4.0token-classification 1064 5100M < n < 1B rows
published 5 Sept 2023
Preview
First 5 rows of or / train, from the Hugging Face dataset viewer.
| uuid | article_title | article_pageid | article_qid | section_heading | section_level | paragraph_text | paragraph_anchors |
|---|---|---|---|---|---|---|---|
| 2d2ae937-2c7a-49e9-9955-7901e06f68f3 | ତୁଳସୀ | 21827 | 9362641 | 0 | ଆପଣ ଖୋଜୁଥିବା ପ୍ରସଙ୍ଗଟି ତଳଲିଖିତ ପ୍ରସଙ୍ଗମାନଙ୍କ ଭିତରୁ ଗୋଟିଏ ହୋଇଥାଇ ପାରେ: | [] | |
| 9938d1c2-d7ea-40db-9092-5cf0508e144d | ନାଗା_ସାଧୁ | 23296 | 15724397 | 0 | ନାଗାସାଧୁମାନଙ୍କର ବେଶଭୂଷା ଅନ୍ୟ ସାଧୁସନ୍ଥମାନଙ୍କ ଅପେକ୍ଷା ସମ୍ପୂର୍ଣ୍ଣ ଅଲଗା I ନାଗାସାଧୁ ସର୍ବଦା ଉଲଗ୍ନ ରହିବା ସହିତ ଦେହ ସାରା ଭସ୍ମ ବୋଳି ହୋଇଥାନ୍ତି I ମୁଣ୍ଡରେ ବଡ଼ ବଡ଼ ଜଟା ରଖିଥାନ୍ତି I ଏମାନଙ୍କୁ ସବୁ ସମୟରେ ଚିଲମ ଧରି ବୁଲୁଥିବାର ଦେଖାଯାଏ I ଅନ୍ୟ ସାଧୁସନ୍ଥଙ୍କ ପରି ନାଗାସାଧୁମାନଙ୍କୁ ଭଗବାନତୁଲ୍ୟ ମନେକରାଯାଏ I ଏମାନଙ୍କୁ ଭଗବାନ ଶିବଙ୍କର ପର… | [{"start":289,"end":296,"qid":11378,"pageid":11859,"title":"ଶିବ"}] | |
| b5126e0c-d6ff-4b25-a890-598f2291bc10 | ନାଗା_ସାଧୁ | 23296 | 15724397 | ଦୀକ୍ଷା ଗ୍ରହଣ | 0 | ମହାକୁମ୍ଭର ଅନ୍ୟତମ ମୁଖ୍ୟ ଆକର୍ଷଣ ହେଲେ ନାଗାସାଧୁ I ଶରୀରରେ ଭସ୍ମ ଲେପନ, ହାତରେ ତ୍ରିଶୂଳ ଓ ଖଣ୍ଡା ଧରି ନାଗା ସାଧୁମାନେ ବେଦ ମନ୍ତ୍ର ଉଚ୍ଚାରଣ କରି ଯାଉଥିବା ବେଳର ଦୃଶ୍ୟ କୁମ୍ଭର ଶ୍ରଦ୍ଧାଳୁ କେବେ ହାତଛଡା କରନ୍ତି ନାହିଁ I ମାତ୍ର ଜଣେ ନାଗାସାଧୁ ହେବା କଠୋର ତପସ୍ୟା ଭଳି I ପ୍ରୟାଗରେ ନାଗା ଦୀକ୍ଷା ଗ୍ରହଣ କଲେ ରାଜରାଜେଶ୍ୱର ଉପାଧି ମିଳେ I ନାଗା ଦୀକ୍ଷା… | [] |
| 1b1c1576-410d-4992-95a2-89078db5bcb0 | ନାଗା_ସାଧୁ | 23296 | 15724397 | ଆଧାର | 0 | ଶ୍ରେଣୀ:ସାଧୁ | [{"start":0,"end":11,"qid":null,"pageid":null,"title":"ଶ୍ରେଣୀ:ସାଧୁ"}] |
| 5f223a1a-d678-463b-83d1-f520d4b11333 | ୧୯୧୪ | 35335 | 2083 | 0 | ୧୯୧୪ ଗ୍ରେଗୋରି ପାଞ୍ଜି ଅନୁସାରେ ଏକ ସାଧାରଣ ବର୍ଷ ଅଟେ | | [{"start":5,"end":20,"qid":12138,"pageid":2945,"title":"ଗ୍ରେଗୋରି_ପାଞ୍ଜି"}] |
Cite this
CC-BY-SA-4.0tabulartextCite
Tags
task_categories:token-classificationannotations_creators:machine-generatedannotations_creators:crowdsourcedlanguage_creators:machine-generatedlanguage_creators:crowdsourcedmultilinguality:multilinguallanguage:enlanguage:ceblanguage:delanguage:svlanguage:frlanguage:nllanguage:rulanguage:eslanguage:itlanguage:arzlanguage:pllanguage:jalanguage:zhlanguage:vilanguage:uklanguage:warlanguage:arlanguage:ptlanguage:falanguage:calanguage:srlanguage:idlanguage:kolanguage:nolanguage:celanguage:filanguage:cslanguage:trlanguage:hulanguage:ttlanguage:shlanguage:rolanguage:eulanguage:ms