数据集列表
按类型查找
分类筛选
维基百科的句子，英语维基百科转储中收集了780万个句子
The wikipedia dump is a giant XML file and contains loads of not-so-useful content. I needed some english text for some
Category：通用
Type：text
Format：文本
623
1
891.28M
查看详情
Metacritic 视频游戏评论数据集
metacritic 电子游戏评论metacritic 有史以来最好的电子游戏评论ContextFor one of my projects, I decided to build a video ga
Category：通用
Type：text
Format：文本
1175
1
78.8M
查看详情
巴西的科技新闻，数据集包含巴西媒体发布的大约 2720条新闻
This dataset was provided by Miti Inteligência, a company specialized in monitoring news and social media established i
Category：通用
Type：text
Format：文本
558
1
44.47M
查看详情
整个月的Reddit聊天评论数据
Reddit chat comments of an entire month
Category：通用
Type：text
Format：文本
1049
1
1.65G
查看详情
用于NLP的文本数据集
This is a bundle of three text data sets to be used for NLP research.Dialog system technology challenge 7 (DSTC7)UbuntuA
Category：通用
Type：text
Format：文本
1211
1
6.49G
查看详情
透镜数据集
Original Source:Cendrowska, J. PRISM: An algorithm for inducing modular rules, International Journal of Man-Machine Stud
Category：通用
Type：text
Format：文本
1019
1
1K
查看详情
英国癌症的文本挖掘和分析,英国癌症的自然语言处理
Text mining and analysis on Cancer UK Natural language processing on cancer UK
Category：通用
Type：text
Format：文本
403
1
4.33M
查看详情
Facebook 发布的300维预训练，在 Common Crawl 上训练的200万个词向量
300-dimensional pretrained FastText English word vectors released by Facebook.The first line of the file contains the nu
Category：通用
Type：text
Format：文本
730
1
650M
查看详情
预测Reddit社区参与度数据集，GDELT帖子分类以及Sirocco文本分析（意见和实体提取）
该数据集包含3个月（2017年6月至8月）的Reddit新闻帖子，以及GDELT帖子分类以及Sirocco文本分析（意见和实体提取）的结果。它用
Category：通用
Type：text
Format：文本
829
1
174.09M
查看详情
纽约时报评论，对《纽约时报》发表文章的评论，超过200万条评论
New York Times has a wide audience and plays a prominent role in shaping people's opinion and outlook on current aff
Category：通用
Type：text
Format：文本
721
1
1.55G
查看详情