Datasets
Dataset
wikipedia-monthly
by wannaphong
🚀 Wikipedia Monthly Last updated: March 14, 2026, 21:06 UTC This repository provides monthly, multilingual dumps of Wikipedia, processed and prepared for easy use in NLP projects. 📊 Current Statistics Metric Current Export (March 2026) All Exports (Total)…
CC-BY-SA-4.0text-generation 2855 01M < n < 10M rows
published 4 May 2026
Preview
First 5 rows of 20260101.or / train, from the Hugging Face dataset viewer.
| id | url | title | text |
|---|---|---|---|
| 1024 | https://or.wikipedia.org/wiki/ଭାରତ | 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/ଓଡ଼ିଆ | ଓଡ଼ିଆ | ଓଡ଼ିଆ ବୋଧେ: ଭାରତରେ ଓଡ଼ିଆ ଲୋକ ଓଡ଼ିଆ ଭାଷା ଓଡ଼ିଆ ଲିପି ଓଡ଼ିଆ ସାହିତ୍ୟ ଓଡ଼ିଆ ଖାଦ୍ୟକୁ ବୁଝାଇପାରେ |
| 1594 | https://or.wikipedia.org/wiki/ପ୍ରଧାନ_ପୃଷ୍ଠା | ପ୍ରଧାନ ପୃଷ୍ଠା | <div id="ପ୍ରଧାନ ପୃଷ୍ଠା"> 40px|link=|alt=78px|link= ବଛା ଲେଖା 40px|link=|alt=ପ୍ରସଙ୍ଗ ପଞ୍ଜିକା 40px|link=|alt=18px|link= ବଛା ଛବି 38px|link=|alt=ପ୍ରସଙ୍ଗ ଲେଖା ଓ ସୁଧାର |} 44px|link=|alt=ବିଭିନ୍ନ ଭାଷାରେ ଉଇକିପିଡ଼ିଆ 37px|link=|alt=ଉଇକିମିଡ଼ିଆ ପ୍ରକଳ୍ପସମୂହ ''ଉପରକୁ ଯିବେ – [ ପୁନଃ ଲୋଡ଼] – ଉଇକିମିଡ଼ିଆ ଭା… |
| 1862 | https://or.wikipedia.org/wiki/୨୦୦୬ | 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 ଶ୍ରେଣୀ:୨୦୦୬ |
| 1929 | https://or.wikipedia.org/wiki/ଜାପାନ | 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-4.0textCite
Tags
task_categories:text-generationlanguage:ablanguage:acelanguage:adylanguage:aflanguage:aklanguage:alslanguage:altlanguage:amlanguage:amilanguage:anlanguage:anglanguage:annlanguage:anplanguage:arlanguage:arclanguage:arylanguage:arzlanguage:aslanguage:astlanguage:atjlanguage:avlanguage:avklanguage:awalanguage:aylanguage:azlanguage:azblanguage:balanguage:banlanguage:barlanguage:bbclanguage:bcllanguage:bdrlanguage:belanguage:bewlanguage:bglanguage:bhlanguage:bilanguage:bjnlanguage:blk