title stringlengths 1 91 | article stringlengths 0 2.95M |
|---|---|
數學 | 數學是研究數量、結構以及空間等概念及其變化的一門學科，屬於形式科學的一種。數學利用抽象化和邏輯推理，從計數、計算、量度、對物體形狀及運動的觀察發展而成。數學家們拓展這些概念，以公式化新的猜想，以及從選定的公理及定義出發，嚴謹地推匯出一些定理。
純粹數學的知識與運用是生活中不可或缺的一環。對數學基本概念的完善，早在古埃及、美索不達米亞及古印度歷史上的古代數學文字便可觀見，而在古希臘那裡有更為嚴謹的處理。從那時開始，數學的發展便持續不斷地小幅進展，至16世紀的文藝復興時期，因為新的科學發現和數學革新兩者的互動，致使數學的加速發展，直至今日。數學併成為許多國家及地區的教育中的一部分。
數學在許多領域都有應用，包括科學、工程、醫學、經濟... |
哲學 | 哲學是研究普遍的、基本問題的學科，包括存在、知識、價值、理智、心靈、語言、人生、道德等領域。哲學與其他學科不同之處在於哲學有獨特之思考方式，例如批判的方式、通常是系統化的方法，並以理性論證為基礎。從歷史上看，許多單獨的學科，例如物理學、生物學等自然科學，或法學、政治學、心理學等社會科學，都曾被視作哲學的一部分或其分支學科。直至其得到後續發展後，才逐漸被視作現代意義上的獨立學科。
哲學的詞義在現代末期發生了變化，成為了今天常見的、更狹隘的含義。在這個新意義上，該術語主要與形而上學、認識論、倫理學和美學等哲學學科相關。除其他主題外，它涵蓋了對現實、知識和價值觀的理性研究。然而，它不同於其他理性探究學科，例如經驗科學和數學。
== 詞... |
文學 | 文學（），在狹義上，是一種語言藝術，亦即使用語言文字為手段，形象化地反映客觀社會生活、表達主觀作者思想感情的一種藝術。文學不僅強調傳達思想觀念，更強調傳達方式的獨特性，且講究辭章的美感。
文學，在廣義上，是任何單一的書面作品，或用文字寫作來傳達思想、表達情感、發揮想像的所有著作，此時又稱文學作品。文學寫作則是一種藝術形式，或被認為具有藝術或智力價值的任何單一作品，通常是由於以不同於普通用途的方式部署語言。中國先秦時期將以文字寫成的作品都統稱為文學，魏晉以後才逐漸將文學作品單獨列出。在現代，則通常將文學分為韻文、散文、劇本、小說四大類別，是文化的重要表現形式，以不同的流派表現內心情感和再現一定時期和一定地域的生活。這個概念，又隨著時... |
歷史 | 歷史（）是對過去的系統研究。作為一門學科，歷史分析和解釋證據，構建關於發生的事情的敘述並解釋其發生的原因，主要關注人類歷史。一些理論家將歷史歸類為社會科學，而另一些人則將其視為人文學科的一部分或認為它是一門混合學科。圍繞歷史的目的也存在類似的爭論——例如，它的主要目的是理論性的（揭示真理），還是實踐性的（從過去吸取教訓）。在比較不同的意義上，“歷史”一詞不是單指學術領域，而是指過去本身或關於過去的個別文字。
歷史研究依靠一次文獻和二次文獻來重建過去的事件並驗證解釋。來源批判學用於評估資料，評估其真實性、內容和可靠性。歷史學家整合多個單獨資料的觀點以形成連貫的敘述。不同的思想流派，如實證主義、年鑑學派、馬克思主義和後現代主義，都有不... |
計算機科學 | 計算機科學（，有時縮寫為）是系統性研究資訊與計算的理論基礎以及它們在計算機系統中如何實現與應用的實用技術的學科。 它通常被形容為對那些創造、描述以及轉換資訊的演算法處理的系統研究。計算機科學包含很多分支領域；有些強調特定結果的計算，比如計算機圖形學；而有些是探討計算問題的性質，比如計算複雜性理論；還有一些領域專注於怎樣實現計算，比如程式語言理論是研究描述計算的方法，而程式設計是應用特定的程式語言解決特定的計算問題，人機互動則是專注於怎樣使計算機和計算變得有用、好用，以及隨時隨地為人所用。
有時公眾會誤以為計算機科學就是解決計算機問題的事業（比如資訊科技），或者只是與使用計算機的經驗有關，如玩遊戲、上網或者文字處理。其實計算機科學所... |
民族 | 民族（），又譯民族集團，是一個以文化為紐帶構成的共同體概念，其內涵與依附於某一國家的國族概念和基於血統的種族概念有些許不同。共同的母語通常被認為是構成一個民族身份的重要因素，也是民族性的核心組成部分。語言作為一個民族形成過程中長期共同生活之產物，是承載民族文化的主要載體，也被認為是決定民族認同感的第一要件。此外，語言並非是構成民族的唯一因素，一些族教群體也被認為是民族，而這些群體通常信仰統一的民族宗教。
== 詞源 ==
在漢語中，民族一詞具有多重指涉，可以表達種族、國族、族群等近似概念，用法受到政治意識型態的影響，容易相互混淆。不同學科對於民族的定義也有許多歧異。民族一詞在以中文翻譯外語時也十分容易混淆。例如民族主義（）精確翻... |
戲劇 | 戲劇（）是演員將某個故事或情境，以對話、歌唱或動作等方式所表演出來的藝術。戲劇有四個元素，包括了「演員」、「故事（情境）」、「舞臺（表演場地）」和「觀眾」。「演員」是四者當中最重要的元素，他是角色的代言人，必須具備扮演的能力，戲劇與其他藝術類最大的不同之處便在於扮演了，透過演員的扮演，劇本中的角色才得以伸張，如果拋棄了演員的扮演，那麼所演出的便不再是戲劇。
即使在動畫、木偶戲、皮影戲等沒有演員現身的戲劇中，演員不過是隱藏在觀眾的視覺之外的地方演出。
戲劇的表演形式多種多樣，常見的包括話劇、歌劇、舞劇、音樂劇、木偶戲等。由於文化背景的差別，不同文化所產生戲劇形式往往擁有獨特的傳統和程式，比如西方歌劇、中國戲曲、印度梵劇、日本能劇、... |
電影 | 電影（/ ），特點是運動／移動的畫面（），是一種視覺藝術作品，用來模擬透過使用動態影像來傳達思想、故事、感知、感覺、美或氛圍的體驗。這些影像通常伴有聲音，更少有其他感官刺激。
電影中看起來連續的畫面，是由一幀幀單獨的照片完成的，至於關於電影中運動的感覺，是因為人們因為視覺上的飛現象（Phi phenomenon），使得對一連串靜態圖片卻會造成移動的錯覺。傳統對電影中運動感知的理解是因為視覺暫留，使得影像離開後，仍能在眼睛保留「視像」約十分之一秒。因此大腦感覺到影像是「運動」的。但在1916年出版的德國心理學家雨果·明斯特伯格（Hugo Münsterberg）的《電影：一次心理學研究》中第三章《深度感和運動感》中，雨果·明斯特伯格... |
音樂 | "音樂，廣義而言，就是指任何以聲音組成的藝術。英文Music一詞源於古希臘(...TRUNCATED) |
經濟學 | "經濟學（），為研究商品和服務關係的社會科學，包括其中所有的購買、生(...TRUNCATED) |
End of preview. Expand in Data Studio
要搞自己的大型語言模型，最基本的基本，就是需要一大堆文字資料，從 Common Crawl 上頭抓回來慢慢清洗是一條路，清洗維基百科網站的週期性下載檔也是一個方法。本資料集是解析自維基百科於 20250401 發布的繁體中文版打包檔 bz2 檔案的內容，在解析出所需內容後，利用 wikitextparser 移除 Wiki 標記。解析後保留的欄位有兩個：條目名稱（title），條目內容（page article）。
原始的打包檔條目內容簡繁混雜，所以有利用 OpenCC 進行簡轉繁處理。
- 全部 4,635,681 個條目
- 全部 1,471,195 個條目標題
- 無法自動去標記的條目數: 3,164,486
- 有內容的條目數: 1,471,195
因為本資料集內容龐大，要塞進一般的個人電腦中進行計算，恐怕會有資源不足的情形。建議使用parquet格式下載使用。
資料集當中有不少內容為 #REDIRECT 的條目已經嘗試移除，如果移除的不乾淨，就等以後有空推出修正版再來清洗了。
- Downloads last month
- 220