20万英语笑话文本数据集

发布时间： 2016年

这个数据库中有大约208000个笑话。

文件

目前数据集包含来自三个来源的笑话。

----------------------------------------------
reddit_jokes.json |  195K jokes | 7.40M tokens
stupidstuff.json  | 3.77K jokes |  396K tokens
wocka.json        | 10.0K jokes | 1.11M tokens
----------------------------------------------
TOTAL             |  208K jokes | 8.91M tokens
----------------------------------------------

格式

每个文件都是一个JSON文档，其中包含一个笑话对象的平面列表。每个笑话对象总是具有基于数据集的附加字段的正文字段。显然这些笑话并不全是好笑的；我们希望可以找到最好的，排序在相关的其他领域。请注意，这个标题在许多情况下都是笑话的一部分（特别是对于Reddit提交的笑话）。

# 数据集

数据引用：

@misc{pungas,
        title={A dataset of English plaintext jokes.},
        url={https://github.com/taivop/joke-dataset},
        author={Pungas, Taivo},
        year={2017},
        publisher = {GitHub},
        journal = {GitHub repository}
}