Datasetpublic

costadev00/wikipedia-pt-br-domain

wikipedia-pt-br-domain-gemma Versão enriquecida de costadev00/wikipedia-pt-br-extract com um label sintético de domínio por artigo. Processo Cada registro preserva os campos originais esperados da Wikipedia (page_id, title, text, ns, section_texts) e adiciona domain, derivado do label documental primary_category produzido pelo modelo. Modelo Modelo usado para labeling: google/gemma-4-26B-A4B-it. Versão da pipeline: 0.1.0. Limitações O… See the full description on the dataset page: https://huggingface.co/datasets/costadev00/wikipedia-pt-br-domain.

sourceHugging Facecc-by-sa-3.0updated 5mo agoView on Hugging Face

0likes7downloads

Dataset Card

wikipedia-pt-br-domain-gemma

Versão enriquecida de costadev00/wikipedia-pt-br-extract com um label sintético de domínio por artigo.

Processo

Cada registro preserva os campos originais esperados da Wikipedia (page_id, title, text, ns, section_texts) e adiciona domain, derivado do label documental primary_category produzido pelo modelo.

Modelo

Modelo usado para labeling: google/gemma-4-26B-A4B-it. Versão da pipeline: 0.1.0.

Limitações

O campo domain é sintético e deve ser auditado antes de aplicações críticas. A licença herdada é cc-by-sa-3.0.