开源数据集

最新推荐文章于 2024-04-07 04:15:00 发布

红酒暖心也暖胃

最新推荐文章于 2024-04-07 04:15:00 发布

阅读量732

点赞数

分类专栏： nlp 文章标签：深度学习数据

本文链接：https://blog.csdn.net/zpp13hao1/article/details/122304350

版权

这篇博客介绍了多个自然语言处理（NLP）领域的开源数据集，包括STS、SNLI、QQP、MRPC、Superglue、GLUE、SQuAD和Multi-SimLex等，适用于语义文本相似性、句法推断、问答系统等多个任务。同时，推荐使用paperswithcode查看数据集上的最佳结果。

摘要由CSDN通过智能技术生成

遇到哪个加哪个
可以通过 paperswithcode 查看很多数据集的最好结果，且均有开源

NLP

STS

STS中的训练、测试、验证集的数量，语义文本相似性基准数据集，常用于无监督模型训练的测试集，使用Spearman correlation作为评价指标。
在这里插入图片描述
STS-B


main-captions	MSRvid	2012test	0000	5.000	A man with a hard hat is dancing.	A man wearing a hard hat is dancing.
main-captions	MSRvid	2012test	0002	4.750	A young child is riding a horse.	A child is riding a horse.

SICK

pair_ID	sentence_A	sentence_B	entailment_label	relatedness_score	entailment_AB	entailment_BA	sentence_A_original	sentence_B_original	sentence_A_dataset	sentenc

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

红酒暖心也暖胃

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

Google Earth Engine——地球静止卫星数据（GridSat-B1）提供了3个频道的数据：CDR质量的红外窗口（IRWIN）频道（接近11μm），可见光频道（接近0.6μm）和红外水汽

此星光明博客

10-03

1132

This dataset provides a high quality Climate Data Record (CDR) of global infrared measurements from geostationary satellites. The geostationary satellite data (GridSat-B1) provides data from 3 channels: the CDR-quality infrared window (IRWIN) channel (nea

数据集笔记：CDR数据集（用户满意度分类）

qq_40206371的博客

06-10

447

CDR数据

参与评论您还未登录，请先登录后发表或查看评论

Google Earth Engine（GEE）——NOAA_PERSIANN-CDR全球人工神经网络-气候数据集（降水量）

此星光明博客

09-20

1182

PERSIANN-CDR 是一个从 1983 年 1 月 1 日至今的每日准全球降水产品。该数据每季度生成一次，通常滞后三个月。该产品由加州大学欧文分校水文气象和遥感中心 (UC-IRVINE/CHRS) 使用源自合并 ISCCP B1 IR 数据的网格卫星 (GridSat-B1) IR 数据以及 GPCP 版本开发2.2.CDR 数据集是非专有的、可公开获得的，并且对其使用没有任何限制。有关更多信息，请参阅。PERSIANN-CDR：使用人工神经网络-气候数据记录从遥感信息中估计降水量。

Google Earth Engine——NOAA/CDR/PATMOSX/V53提供了高质量的气候数据记录（CDR），以及高级甚高分辨率辐射计（AVHRR）的亮度温度和反射率的多种云特性

此星光明博客

12-09

1049

This dataset provides high quality Climate Data Record (CDR) of multiple cloud properties along with Advanced Very High Resolution Radiometer (AVHRR) brightness temperatures and reflectances. These data have been fitted to a 0.1 x 0.1 equal angle-grid with

入门文档级关系抽取_数据集DocRED、CDR、GDA

weixin_44495107的博客

07-01

1248

作为学习文档级关系抽取的短暂总结与记录。主要是相关数据集问题

快手开源数据集（推荐算法）

最新发布

06-29

开源数据集.pdf

11-04

### 开源数据集知识点概述 #### 一、开源数据集概览开源数据集是指那些可供公众免费访问、使用及共享的数据集合。这类数据集通常由个人、组织或企业发布，旨在促进研究与技术创新，特别是在人工智能领域。这些...

NLP关系抽取开源数据集WebNLG

06-29

train:5019 valid:500 test:703 相关论文《A Novel Cascade Binary Tagging Framework for Relational Triple Extraction》

快手开源数据集（推荐算法专用）

06-29

语义分割方向+开源数据集资源

04-11

语义分割方向开源数据集资源汇总 1、高分二号 (GF-2) 卫星图像大型土地覆盖数据集 数据集下载地址：http://suo.nz/2dPkdv GID 是具有高分二号 (GF-2) 卫星图像的大型土地覆盖数据集。这个新的数据集被命名为高分...

大语言模型常见任务及评测数据集汇总（二）：90个数据集！

zengzizi的博客

04-07

1140

1. 命名实体识别（NER） CoNLL 2003：这是一个广泛使用的英文NER数据集，包含了多个领域的文本，如新闻、财经和政治。它识别四种类型的实体：人名、地名、组织名和其它专有名词。 ACE (Automatic Content Extraction)：ACE数据集是一个多语种的数据集，包含了英语、阿拉伯语和汉语等，它识别的实体类型更为丰富，包括人名、地名、组织名、时间表达式、数量表达式等。 OntoNotes：这是一个大规模的英文数据集，包含了多种类型的文本，如新闻、对话和文本文档。它识别的实体

ACL21 - Named Entity Recognition with Small Strongly Labeled and Large Weakly Labeled Data

ywm_up

12-10

418

Jiang H, Zhang D, Cao T, et al. Named Entity Recognition with Small Strongly Labeled and Large Weakly Labeled Data[J]. The 59th Annual Meeting of the Association for Computational Linguistics (ACL 2021). 文章目录AbstractIntroductionMethod阶段1：对领域内大量的无标签数据进行预训练阶

【NLP公开数据集】NCBI疾病数据集

Elvira521yan的博客

03-28

2454

NCBI疾病数据集是一个在提及和概念层面进行全面标注的数据集。数据包含： 793篇摘要 2783个句子 6892个疾病mention 790个唯一疾病概念 – 医学主题词【Medical Subject Headings (MeSH®)】 – 人类孟德尔遗传学【Online Mendelian Inheritance in Man (OMIM®)】 mention表中的91%都由一个疾病概念一一对应，分成训练集、验证集和测试集数据标注： 14个标注人员每个文档都有2个标注人员（随机分配） 3个标

医疗NLP相关数据集整理

zenRRan的博客

09-20

1万+

点击上方，选择星标或置顶，每天给你送干货！阅读大概需要5分钟跟随小博主，每天进步一丢丢整理：python遇见NLP在Github上搜索整理了一波关于医疗NLP的数据集： 1 中文评测数据...

1.SuperGLUE task

aigonna

07-27

2025

1. COPA: Choice of Plausibe Ansewers 数据集代表了一项因果推理任务，其会向系统提供一个前提句子和两个可能的可选项。系统必须选择与前提句子有更可信因果关系的可选项。用于构建可选项的方法要确保需要因果推理才能解决该任务。样本要么针对前提句子的可能原因，要么则是可能结果，再加上模型的两个实例类型之间的简单问题消岐。 Premise(前提): I knocked on my neighbor’s door. What happened as a result? Alterna

NLP：MRC常用数据集

专心致志写BUG的博客

07-23

5903

ADNI数据集下载（详细）

热门推荐

蜗牛遥遥

02-20

2万+

刚刚接触到这个数据集的时候比较头疼，用了好长的时间才把下载过程和预处理过程弄明白。需要发送电子邮件给官方平台，收到回信后才能够下载到数据集。 1、ADNI账号注册第一步：搜索百度打开ADNI 第二步，点击ADTA&amp;SAMPLES 第三步：一直将鼠标往下拉点击ADNI，进入里面填写信息。需要填写的信息还是挺多的，耐心填写，再等到邮件回复就可以了 2、ADNI数据集下载登录申请的邮...

用BCCD数据集学习rcnn家族（一）——介绍BCCD数据集及预处理

小石子的博客

10-27

4836

前言 rcnn家族其实已经是一个“非常老”的算法，虽然一开始提出是2014。但是深度学习用于图像识别的开山之作，我打算从rcnn开始学习，网上对于网络和论文的讲解很详细，我这系列就不说理论了，主要是记录我学习过程和写代码跳过的坑。一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、使用步骤 1.引入库代码如下（示例）： import numpy as np import pandas as pd import matplotlib.py

Netflix Prize数据集详解及数据集下载链接

weixin_43631296的博客

01-17

1万+

Netflix数据集包含了1999.12.31-2005.12.31期间匿名客户提供的超过一亿部电影平级。这个数据集大约给出了480189个用户和17770部电影评级。数据集中的详细信息如下图所示：该数据集包含电影信息、training set（训练集）、probe set（探测集）和qualifying set(评估集)组成。qualifying set(评估集)又被分为Quiz（测验集）和...

GitHub开源数据集

03-12

GitHub是一个全球最大的开源代码托管平台，它不仅仅是一个代码托管平台，还提供了丰富的开源数据集供开发者和研究人员使用。这些开源数据集涵盖了各种领域，包括计算机视觉、自然语言处理、数据科学等等。以下是一些常见的GitHub开源数据集： 1. COCO（Common Objects in Context）：这是一个广泛使用的计算机视觉数据集，包含了各种场景下的图像和对应的标注信息，用于目标检测、图像分割等任务。 2. ImageNet：这是一个大规模的图像数据库，包含了超过一百万张图像和对应的标注信息，用于图像分类和深度学习模型的训练。 3. OpenAI Gym：这是一个用于强化学习研究的开源平台，提供了各种环境和任务，可以用于训练和评估强化学习算法。 4. IMDb 数据集：这是一个包含了电影信息和用户评分的数据集，可以用于电影推荐系统的研究和开发。 5. Stack Overflow 数据集：这是一个包含了程序员问答和讨论的数据集，可以用于自然语言处理和软件工程研究。 6. UCI 机器学习数据集：这是一个包含了各种机器学习任务的数据集合集，包括分类、回归、聚类等任务。