---
title: MyBaiKe
canonical_url: "https://www.modelscope.cn/datasets/HuangYiji/MyBaiKe"
md_url: "https://www.modelscope.cn/datasets/HuangYiji/MyBaiKe.md"
repository: HuangYiji/MyBaiKe
chinese_name: "我的百科数据集"
last_updated: 2025-07-01
license: "Apache License 2.0"
storage_size: "35 MB"
downloads: 218
stars: 0
---

# MyBaiKe

> MyBaiKe - HuangYiji 在 ModelScope 开源的数据集。本数据集包含中文百科文档的结构化数据，适用于文档问答、RAG（Retrieval-Augmented Generation）等任务，文件采用高效的 `.parquet` 格式存储。数据集来源https://huggingface.co/datasets/suolyer/baike/viewer/default/validation?p=4&row=417

HuangYiji/MyBaiKe 是 ModelScope 魔搭社区上的数据集，存储大小 35 MB，采用 Apache License 2.0 许可。

- **Repository**: HuangYiji/MyBaiKe
- **License**: Apache License 2.0
- **Storage size**: 35 MB
- **Downloads**: 218
- **Stars**: 0
- **Last updated**: 2025-07-01

Source: https://www.modelscope.cn/datasets/HuangYiji/MyBaiKe

---

# 中文文档知识库数据集（RAG 任务）

本数据集包含中文百科文档的结构化数据，适用于文档问答、RAG（Retrieval-Augmented Generation）等任务，文件采用高效的 `.parquet` 格式存储。

## 💾 数据文件

- `test.parquet`：测试集，结构化中文文档数据
- `validation.parquet`：验证集，用于评估模型效果

## 📑 字段说明

| 字段名       | 含义                     |
|--------------|--------------------------|
| `title`      | 文档标题                 |
| `content`    | 文档正文内容（可用于嵌入） |
| `url`        | 数据来源网址             |
| `id`         | 每条记录的唯一标识符     |
| `titleUkey`  | 标题的哈希值             |
| `uniqueKey`  | 文档的唯一哈希标识       |

## 🔧 文件格式

- 格式：Parquet（二进制列式存储，适合大规模训练/推理加载）
- 编码：UTF-8
- 每条数据为一个独立文档

## 🧠 应用场景

- 向量数据库构建（如 FAISS / Milvus）
- 语义检索系统
- 基于文档的问答系统（RAG）
- 中文文本嵌入评估

## 📦 推荐使用方式

使用 HuggingFace `datasets` 或 `pandas` 加载：

```python
from datasets import load_dataset

ds = load_dataset("your_username/rag_dataset", split="test")  # 或 validation
print(ds[0])