Hugging Face's logo

Datasets:
sayurio
/
bangla-wikipedia

Tasks:
Text Generation
Fill-Mask
Text Classification
Modalities:
Text
Formats:
json
Languages:
Bengali
Size:
100K - 1M
Tags:
wikipedia
bengali
bangla
jsonl
nlp
text-mining
Libraries:
Datasets
Dask
Polars
License:
Dataset card Data Studio Files
xet
 Community
1
Dataset Viewer
Auto-converted to Parquet Duplicate
url
stringlengths
31
926
title
stringlengths
1
199
content
stringlengths
100
232k
timestamp
stringdate
2026-03-19 19:19:47
2026-04-08 05:02:12
https://bn.wikipedia.org/wiki/%E0%A6%AE%E0%A6%BF%E0%A6%A1%E0%A6%BF%E0%A6%AF%E0%A6%BC%E0%A6%BE%E0%A6%89%E0%A6%87%E0%A6%95%E0%A6%BF:Welcomecreation
মিডিয়াউইকি:Welcomecreation
আমাদের নীতিমালাগুলো জানার আগেই আপনাকে উইকিপিডিয়ায় সম্পাদনা করতে স্বাগতম জানাই। তবে অনুগ্রহ করে, নিরপেক্ষতা বজায় রাখুন, আপনার নিবন্ধকে যাচাইযোগ্য করতে তথ্যসূত্রের উল্লেখ করুন, এবং মনে রাখবেন আমরা একটি বিশ্বকোষ। যদি অন্যকেউ কোন বিষয়ে এরই মধ্যে নিবন্ধ শুরু না করেন, তাহলে হয়তো আমাদেরও শুরু করা উচিত হবে না।
2026-03-19T19:19:47.177Z
https://bn.wikipedia.org/wiki/%E0%A6%AE%E0%A6%BF%E0%A6%A1%E0%A6%BF%E0%A6%AF%E0%A6%BC%E0%A6%BE%E0%A6%89%E0%A6%87%E0%A6%95%E0%A6%BF:Emailforlost
মিডিয়াউইকি:Emailforlost
তারকাচিহ্নিত ক্ষেত্রগুলো পূরণ করা বাধ্যতামূলক নয়। আপনার ইমেইলের ঠিকানা সরবরাহ করলে অন্য ব্যবহারকারীগণ আপনাকে এই সাইটের মাধ্যমে আপনার সাথে যোগাযোগ করতে পারবেন (আপনার ইমেইল ঠিকানা জানা ব্যতীত)। এছাড়া আপনার শব্দচাবি (পাসওয়ার্ড) হারিয়ে গেলে, সরবরাহকৃত ইমেইল ঠিকানার মাধ্যমে পুনরুদ্ধার করতে পারবেন।আপনি যদি আপনার আসল নাম ...
2026-03-19T19:19:51.803Z
https://bn.wikipedia.org/wiki/%E0%A6%AE%E0%A6%BF%E0%A6%A1%E0%A6%BF%E0%A6%AF%E0%A6%BC%E0%A6%BE%E0%A6%89%E0%A6%87%E0%A6%95%E0%A6%BF:Blockedtext
মিডিয়াউইকি:Blockedtext
আপনি পাতাসমূহ পাঠ করতে পারবেন, কিন্তু আপনি পাতা সম্পাদনা ও তৈরি করতে পারবেন না। এই বাধাদানের মেয়াদ শেষ হবে: $6। যদিও আপনাকে বাধাদান করা হয়েছে, তবে আপনি সাধারণভাবে আপনার আলাপ পাতা সম্পাদনা করতে পারবেন এবং অন্য সম্পাদক/উইকিপিডিয়ান ও প্রশাসকদের সঙ্গে ই-মেইলের মাধ্যমে যোগাযোগ করতে পারবেন।
2026-03-19T19:19:56.367Z
https://bn.wikipedia.org/wiki/%E0%A6%AE%E0%A6%BF%E0%A6%A1%E0%A6%BF%E0%A6%AF%E0%A6%BC%E0%A6%BE%E0%A6%89%E0%A6%87%E0%A6%95%E0%A6%BF:Histlegend
মিডিয়াউইকি:Histlegend
নিচের যে-কোনো সংস্করণ প্রদর্শনের জন্য, সংস্করণটির তারিখ অংশে ক্লিক করুন। আরও সাহায্যের জন্য পাতার ইতিহাস ও সম্পাদনা সারাংশ দেখুন। (বর্ত) = বর্তমান সংস্করণের সাথে পার্থক্য, (পূর্ব) = পূর্বের সংস্করণের সাথে পার্থক্য, অ = অনুল্লেখ্য সম্পাদনা, → = অনুচ্ছেদ সম্পাদনা, ← = স্বয়ংক্রিয় সারাংশ
2026-03-19T19:20:04.425Z
https://bn.wikipedia.org/wiki/%E0%A6%AE%E0%A6%BF%E0%A6%A1%E0%A6%BF%E0%A6%AF%E0%A6%BC%E0%A6%BE%E0%A6%89%E0%A6%87%E0%A6%95%E0%A6%BF:Uploadtext
মিডিয়াউইকি:Uploadtext
উইকিপিডিয়াতে একটি চিত্র, শব্দ ক্লিপ অথবা ভিডিও ক্লিপ যোগ করার জন্য ধাপ: সারাংশ বর্ণনা সারাংশ বর্ণনা দেবার জন্য আপনাকে পাশের সারাংশ ফর্মটি অনুলিপি প্রতিলেপন করতে হবে আপলোডের সারাংশে। উইকিপিডিয়াতে বিভিন্ন প্রকারের সারাংশ ফর্ম আছে। এটি একটি আদর্শ সারাংশ ফর্ম। যার দ্বারা আপনি ফাইল আপলোড করতে পারবেন। অ-মুক্ত মিডিয়াগুল...
2026-03-19T19:20:23.422Z
https://bn.wikipedia.org/wiki/%E0%A6%AE%E0%A6%BF%E0%A6%A1%E0%A6%BF%E0%A6%AF%E0%A6%BC%E0%A6%BE%E0%A6%89%E0%A6%87%E0%A6%95%E0%A6%BF:Watcheditlist
মিডিয়াউইকি:Watcheditlist
আপনার নজরে রাখা পৃষ্ঠাগুলোর একটি বর্ণানুক্রমিক তালিকা নীচে দেয়া হল৷ যেসব পৃষ্ঠা আপনি এই তালিকায় আর রাখতে চান না, সেগুলোর পাশে টিক-চিহ্ন দিয়ে সবার নীচে অবস্থিত "টিক-চিহ্নিত পদগুলো নজরতালিকা থেকে সরিয়ে নাও" বোতামে ক্লিক করুন৷
2026-03-19T19:20:56.345Z
https://bn.wikipedia.org/wiki/%E0%A6%9F%E0%A7%87%E0%A6%AE%E0%A6%AA%E0%A7%8D%E0%A6%B2%E0%A7%87%E0%A6%9F:All_messages
টেমপ্লেট:All messages
"This is a list of all messages available in the MediaWiki: namespace\n\nFuture changes to this page(...TRUNCATED)
2026-03-19T19:21:16.430Z
https://bn.wikipedia.org/wiki/%E0%A6%89%E0%A6%87%E0%A6%95%E0%A6%BF%E0%A6%AA%E0%A6%BF%E0%A6%A1%E0%A6%BF%E0%A6%AF%E0%A6%BC%E0%A6%BE:General_disclaimer/en
উইকিপিডিয়া:General disclaimer/en
"Wikipedia is an online open-content collaborative encyclopedia, that is, a voluntary association of(...TRUNCATED)
2026-03-19T19:21:17.536Z
https://bn.wikipedia.org/wiki/%E0%A6%AC%E0%A6%BE%E0%A6%82%E0%A6%B2%E0%A6%BE_%E0%A6%AD%E0%A6%BE%E0%A6%B7%E0%A6%BE
বাংলা ভাষা
"বাংলা ভাষা (বাঙলা, বাঙ্গলা তথা বাঙ্গা(...TRUNCATED)
2026-03-19T19:21:18.363Z
https://bn.wikipedia.org/wiki/%E0%A6%9F%E0%A7%87%E0%A6%AE%E0%A6%AA%E0%A7%8D%E0%A6%B2%E0%A7%87%E0%A6%9F:All_system_messages
টেমপ্লেট:All system messages
"এটি মিডিয়াউইকি নামস্থানে অন্তর্ভুক(...TRUNCATED)
2026-03-19T19:21:36.903Z
End of preview. Expand in Data Studio

Bangla (Bengali) Wikipedia Articles Dataset

Request More Scrapes
Order Private Scrapes

Current Progress: Approx 20%

Dataset Summary

This dataset contains a comprehensive extraction of articles from the Bangla (Bengali) Wikipedia. It is designed for Natural Language Processing (NLP) tasks, linguistic research, and training Large Language Models (LLMs) to better understand and generate the Bengali language.

Copyright and Fair Use

I do not own the copyrights to any of the Wikipedia articles or texts included in this repository. All materials are extracted and uploaded under the principles of fair use, and this dataset is strictly intended for educational and research purposes only (such as machine learning, data analysis, and academic research).

Use Cases

This dataset is highly versatile and can be used for:

  • Language Modeling: Pre-training or fine-tuning foundation models for Bengali text generation.
  • Masked Language Modeling: Training models to understand Bengali context and grammar.
  • Text Classification & NLP Research: Topic modeling, semantic analysis, and linguistic studies.

Data Structure

This dataset is formatted using JSON Lines (.jsonl).

Each line in the dataset files is a valid, standalone JSON object representing a single Wikipedia article. This format is highly optimized for machine learning tasks because it allows you to stream large amounts of text data line-by-line without needing to load the entire dataset into your system's memory at once.

(Depending on the exact extraction, typical fields inside each JSON object include the article ID, URL, title, and the main text body.)

How to Download

You have a few straightforward ways to access this data:

  • Hugging Face Datasets Library: You can load the dataset directly into your machine learning environment. The library natively understands .jsonl files and will parse them for you automatically.
  • Hugging Face CLI: You can use the command line to download specific .jsonl files or the entire repository to your local machine.
  • Direct Download: You can navigate to the "Files and versions" tab on this repository's web page and manually download the .jsonl files directly through your browser.

Licensing and Attribution

All text content in this dataset is sourced from Wikipedia and is licensed under the Creative Commons Attribution-ShareAlike 4.0 International License (CC BY-SA 4.0) and the GNU Free Documentation License (GFDL).

If you use or redistribute this dataset, you must provide appropriate credit to the Wikimedia Foundation and the original Wikipedia contributors, and you must distribute your contributions under the same license.

Downloads last month
117
Number of rows:
565,678
Total file size:
4.33 GB

Collections including sayurio/bangla-wikipedia