热门数据集
Twitter情感分析训练语料库
Twitter Sentiment Analysis Training Corpus (Dataset)
7650
53.8MB
该情感分析数据集 包含1,578,627条分类推文，每行标记为1表示积极情绪，0表示负面情绪。
2019-06-29 （58月前）
免积分下载
多领域情感评论文本数据集
Multi-Domain Sentiment Dataset
5722
1.5GB
多领域情感数据集包含从Amazon.com获取的部分产品评论，评论包含星级（1至5星）。
2019-06-29 （58月前）
免积分下载
Euler图学习开源数据集
euler raw graph data
6045
243.41MB
Euler图学习平台自研算法对应的开源图数据与样本数据
2019-01-24 （63月前）
免积分下载
开放信息提取语料库（OPIEC）
OPIEC
3794
~67 GB
OPIEC是一个开放信息提取（OIE）语料库，由整个英语维基百科构建而成。它包含超过3.41亿个三元组。
2019-12-16 （52月前）
免积分下载
包含多个的文本分类数据集
Text Classification Datasets
3413
包含8个可用于文本分类的子数据集，样本大小从120K到3.6M，问题范围从2级到14级，数据来源于 DBPedia、Amazon、Yelp、Yahoo!、Sogou 和 AG
2020-11-30 （41月前）
免积分下载
Quora 问答数据集
quora-question-pairs
4757
499 MB
美国知识问答网站 Quora 上的问题答案数据集，可用以进行重复问题检测。
2020-06-23 （46月前）
免积分下载
百度实体标注数据集
Baidu entity annotation data set
3465
101MB
一个大规模的中文短文本语料库，用于实体识别和链接任务。BEL包含100K注释的短文本，以及对应于百度知识库中的实体的提及和链接。
2019-11-09 （53月前）
免积分下载
全网新闻数据(SogouCA) 2012版
全网新闻数据(SogouCA) 2012版
6726
搜狗实验室提供，来自若干新闻站点2012年6月—7月期间国内，国际，体育，社会，娱乐等18个频道的新闻数据，提供URL和正文信息。
2018-10-13 （66月前）
免积分下载
AI2推理挑战赛（ARC）2018数据集
ARC2018
3643
ARC数据集包含从各种来源提取的7,787项科学考试问题，包括由AI2附属研究合作伙伴授权提供的科学问题。这些是纯文本的英语考试题，涵盖了文件中指示的多个年级。每个问题都有一个选项结构。
2020-03-29 （49月前）
免积分下载
安然公司邮件数据集
Enron Email Dataset
7131
1.70 Gb
Enron Email Dataset 包括安然公司部分高管和中级管理人员150位员工500万封邮件消息，由美国联邦能源管理委员会进行调查期间发布。
2019-04-10 （60月前）
免积分下载
谷歌AI自然语言对话数据集Taskmaster-1
Taskmaster-1
3225
80MB
包含 7708 个书面表达以及 5507 个口语表达数据。该数据集内容覆盖了六个生活领域，包括：订购披萨，创建汽车维修预约，设置租车，订购电影票，订购咖啡饮料和预订餐厅。
2019-09-11 （55月前）
免积分下载
10W+知乎用户数据集
10w zhihu user dataset
4477
204.6 MB
来自北京大学开放研究数据平台，利用scrapy作为工具，爬取了知乎平台上十万余条用户个人主页数据，涵盖了用户性别、所在地、个性签名等多项属性。
2020-03-29 （49月前）
免积分下载