常见中文数据集

最新推荐文章于 2024-09-02 10:44:35 发布
最新推荐文章于 2024-09-02 10:44:35 发布
阅读量614 收藏 13
点赞数 8
分类专栏： 学习深度学习 深度学习数据集 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_38734327/article/details/135473423
版权
木叶清风666
关注
专栏目录
中文文本分类数据集.zip
06-01
新闻栏目中文文本分类，新闻栏目一共有： 体育 5000 时政 5000 房产 5000 家居 5000 财经 5000 时尚 5000 科技 5000 教育 5000 娱乐 5000 游戏 5000 每个新闻栏目拥有5000条新闻，通过对新闻内容作为样本训练模型，使得该模型能够预测出该条新闻所属的栏目。
垃圾短信中文数据集.zip
06-01
含80万条带标注中文短信（其中1表示垃圾短信，0表示正常短信）； 20万条不带标注的中文短信； 参考链接： https://github.com/hrwhisper/SpamMessage
【RAG数据集】中文信息检索数据集整合
最新发布
yanqianglifei的专栏
09-02 1099
信息检索数据集
AI汉字数据集
08-03
此数据集是3755个常用的汉字。第个汉字包含20种不同的样式。 20种同一汉字放在一个文件夹内，文件夹名称以数字命名。 测试集每个汉字包含6种字体。 百分百好用的数据，象征收5积分。 文件有358M不能够一起上传，test放到了百度云上，在说明文件中可以找到下载地址。 如何通过文件夹名称找到相应编码： 1、从chinese_labels读取 p42 sI42 V\u4e4d 其中： 42是train或test对应的文件夹名称 \u4e4d是Unicode码，注带有\ 2、从汉字Unicode互转得到转换的URL地址 把\u4e4d复制到转换框中->单击Unicode转中文汉字
文本分类（情感分析）——中文数据集汇总
小嘤熊的博客
11-13 9569
会不定期发布相关设计内容包括但不限于如下内容:信号处理、通信仿真、算法设计、matlab appdesigner，gui设计、simulink仿真......希望能帮到你！
【整理】难得的中文开源数据集
渡江客涂鸦板
09-18 3300
上海人工智能实验室搞了一个OpenDataLab，上面发布了5000+的中文的开源数据集，可以随意下载下来，用来训练自己的AI大模型的，真的是功德无量啊。
自然语言处理中文数据集入口整理
weixin_36378508的博客
04-17 4584
1 github 链接 https://github.com/SophonPlus/ChineseNlpCorpus 包括：情感分类，推荐，问答 https://github.com/CLUEbenchmark/CLUEDatasetSearch NER、QA、情感分析、文本分类、文本分配、文本摘要、机器翻译、知识图谱、语料库以及阅读理解等 10 ...
中文大数据训练的数据集
qq_34068440的博客
06-12 2591
上述数据集涵盖了广泛的领域，包括新闻、社交媒体、评论、百科问答、机器翻译等。不同的数据集针对不同的NLP任务，可以根据需要选择适合的数据集进行模型训练。在选择适合的高质量数据集是训练中文大模型的关键。上述列举的资源涵盖了多个领域和应用场景，可以根据具体需求对数据进行二次处理和清洗，以提高训练效果。在获取和使用这些数据集时，也要注意遵守相关的数据使用政策和版权规定。
中文文本自动生成的数据集
05-11
《中文文本自动生成的数据集》 在信息技术领域，自然语言处理（NLP）是一个至关重要的研究方向，它涉及计算机理解和生成人类语言的能力。中文文本自动生成是NLP的一个子领域，旨在利用机器学习和深度学习技术，让...
隶书行楷数据集-中文字体识别
12-06
总的来说，"隶书行楷数据集-中文字体识别"为研究者和开发者提供了一个宝贵的资源，有助于推动中文字符识别技术的发展，提升人工智能在理解和处理汉字方面的效率和准确性。同时，这也是一项挑战，因为中文字符的多样...
NAME 常见姓名数据集
08-30
"NAME 常见姓名数据集"正是这样一个资源，它包含了中文、英文、日文和阿拉伯文等多种语言的姓名英语拼写，为学者和开发者提供了一个丰富的学习和实验平台。 一、数据集概述 "NAME 常见姓名数据集"是专门针对NLP...
图像分类数据集：191种常见电子产品logo图像分类数据集（已做数据集划分）
03-29
数据包含：191种常见电子产品logo图像分类数据集（已做数据集划分），数据保存按照文件夹保存，经测试，可直接作为图像分类数据集，用ImageFolder打开，无需额外处理。 【数据集介绍】电子产品logo图像分类，191...
中文自然语言处理数据集：ChineseNLPCorpus（附链接）
数据派THU
06-23 1万+
来源：AINLP本文约1300字，建议阅读5分钟。本文为你推荐中文自然语言处理数据集。推荐一个Github项目：ChineseNLPCorpus，该项目收集了一批中文自然...
关于文本分类（情感分析）的中文数据集汇总
热门推荐
lip
07-14 5万+
文本分类（情感分析）中文数据集汇总 这段时间在公司NLP组里实习，相应的开始学习了一些NLP的知识，并搜索了一些关于NLP中文本分类领域的相关数据集，本文主要列举一些中文数据集。关于英语数据集，且听下回分解。 1.THUCNews数据集： THUCNews是根据新浪新闻RSS订阅频道2005~2011年间的历史数据筛选过滤生成，包含74万篇新闻文档（2.19 GB），均为UTF-8纯文本格式。我们...
NLP领域中文对话系统数据集总结（有下载地址）
Thanours的博客
06-30 2万+
一、豆瓣多轮对话数据集 1、简介： 测试数据包含 1000 个对话上下文，对于每个上下文，创建 10 个响应作为候选。正确的响应意味着响应可以自然地回复给定上下文的消息。每对收到三个标签，大多数标签被视为最终决定。 2、数据格式： 标签 \t 对话话语（由 \t 分割）\t 响应 二、KdConv
中文文本匹配数据集整理
lc_love_ty的博客
06-11 2829
整理中文文本匹配（文本相似度）数据集了，后面准备基于该数据集，训练一个句向量表征模型。不找不知道，一找吓一跳，共整理了「16个」可用于文本匹配任务。
收藏丨20个中文语料数据集，含数学考试、公务员考题、医患对话等
OpenDataLab的博客
04-17 4001
Math23K 是为解决数学单词问题而创建的数据集，包含从互联网上爬取的 23,162 个中文问题。
中文文本分类问题：THUCNews数据集
qq_36047533的博客
03-08 2万+
中文文本分类问题：THUCNews数据集1 THUCNews数据集与预处理1.1 数据集下载1.2 数据量1.3 数据预处理1.3.1 导入数据1.3.2 将文字型的label 转为数字label2 特征工程2.1 TF-IDF并将文件保存至本地 1 THUCNews数据集与预处理 1.1 数据集下载 本文采用了清华NLP组提供的THUCNews新闻文本分类数据集的子集 数据下载链接： THUC...
大语言模型常见任务及评测数据集汇总（一）：70 余个数据集!
zengzizi的博客
04-06 3506
1. 文本分类 1.1. 中文文本分类数据集： THUCNews：清华大学推出的中文新闻文本数据集，包含了74万篇新闻文章，覆盖了10个类别。 LCQMC：哈尔滨工业大学发布的数据集，主要用于中文句子匹配任务，也常用于文本分类。 BQ Corpus：同样用于中文句子匹配，也可用于文本分类。 1.2. 英文文本分类数据集： IMDb：包含50,000条影评数据，分为正面和负面两类，常用于情感分析。 20 Newsgroups：包含约20,000条新闻组文档，分为20个类别。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值