数据集列表 ｜自然语言处理
imdb影视数据集
本数据集包含电影摘要，类型和发行年份信息，可用于训练电影推荐系统
Tags:
影视类
分析Vidhya-识别情绪数据集
情绪分析仍然是自然语言处理广泛应用的一个关键问题。这一次，鉴于客户关于制造和销售手机、电脑、笔记本电脑等的各种科技公司的推文，我们的任务是确定这些推文是否对这类公司或产品有负面情绪。
Tags:
语言模型类
贝壳找房-房产行业聊天问答匹配数据集
贝壳找房-房产行业聊天问答匹配
Tags:
房屋销售
平安医疗疾病问答比赛数据集
平安医疗疾病问答比赛数据集
Tags:
大赛
领域词典数据集
hanlp + 自定义添加部份词构成的词典。 包括财经，人名，it，组织，地点等等
Tags:
语言模型类
6种花识别数据集
6种花的分类数据
Tags:
鲜花
wikitext103数据集
本数据集是超过 1 亿个语句的数据合集，全部从维基百科的 Good 与 Featured 文章中提炼出来。广泛用于语言建模，当中 包括 fastai 库和 ULMFiT 算法中经常用到的预训练模型。
Tags:
模型训练
bert-base-chinese中文语料数据集
Hugging Face Transformers 预训练模型，适用于 bert-base-chinese。
Tags:
语言类
字体数据集2
"Contradiction,My Dear Watson"比赛不同语言的字体文件
Tags:
大赛
81 种语言的情感词典数据集
情感分析是自动检测一段文本是正面还是负面的任务，通常依赖于手工策划的具有正面情绪（好、很棒、很棒）和负面情绪（坏、恶心、糟糕）的单词列表。该数据集包含 81 种语言的正面和负面情绪词典。
Tags:
目标检测