数据集 - 海数据

未对齐的标记化数据集CenteredTokenized-2Dataset-enarior

2025年4月24日

未对齐的标记化数据集CenteredTokenized-2Dataset-enarior 数据来源：互联网公开数据标签：自然语言处理，数据集，文本处理，机器学习，语言模型，数据标注，文本分类，深度学习数据概述：该数据集包含来自未对齐标记化处理过程的文本数据，记录了经过特定标记化方法处理的文本样本。主要特征如下：...

ZIP

Quora重复问题数据集QuoraDuplicateQuestionsDataset-ekanshu

2025年4月24日

Quora重复问题数据集QuoraDuplicateQuestionsDataset-ekanshu 数据来源：互联网公开数据标签：自然语言处理，文本分类，数据集，机器学习，问答系统，信息检索，深度学习，语义分析数据概述：该数据集包含来自Quora平台的问答数据，记录了平台上用户提出的问题及其标签。主要特征如下：...

ZIP

推特产品情感分析数据集-blessondensil294

2025年4月24日

推特产品情感分析数据集-blessondensil294 数据来源：互联网公开数据标签：情感分析，推特，产品评价，自然语言处理，文本分类，机器学习，社交媒体，舆情分析数据概述：该数据集包含了来自推特平台的产品相关推文，用于情感分析任务。主要特征如下：时间跨度：数据记录的时间范围为一段时间内的推文。...

ZIP

在线评论立场识别数据集OLIDCleanedDataset-barunikarthika

2025年4月24日

在线评论立场识别数据集OLIDCleanedDataset-barunikarthika 数据来源：互联网公开数据标签：自然语言处理，文本分类，立场识别，数据集，机器学习，社交媒体，情感分析，情感计算数据概述：该数据集包含来自社交媒体平台的在线评论数据，记录了用户对不同话题的立场和态度。主要特征如下：...

ZIP

达里جة语句子数据集DarijaSentencesDataset-atif10

2025年4月24日

达里جة语句子数据集DarijaSentencesDataset-atif10 数据来源：互联网公开数据标签：自然语言处理，语言数据集，文本分类，情感分析，机器学习，人工智能，语言研究，非洲语言数据概述：该数据集包含来自摩洛哥达里جة语的真实句子数据，记录了该语言的日常用语和表达。主要特征如下：...

ZIP

突尼斯短信垃圾邮件数据集TunisianSMSSpamandHamCollection-mahdibenabdallah

2025年4月24日

突尼斯短信垃圾邮件数据集TunisianSMSSpamandHamCollection-mahdibenabdallah 数据来源：互联网公开数据标签：短信，垃圾邮件，文本分类，自然语言处理，机器学习，阿拉伯语，数据集，文本分析数据概述：该数据集包含了来自突尼斯的短信数据，用于垃圾短信（Spam）和正常短信（Ham）的分类研究。主要特征如下：...

ZIP

法律公开测试数据集PublicTestLegalDataset-minhnguyendichnhat

2025年4月24日

法律公开测试数据集PublicTestLegalDataset-minhnguyendichnhat 数据来源：互联网公开数据标签：法律，数据集，文本分析，自然语言处理，法律文本，机器学习，司法，文本分类数据概述：该数据集包含来自公开法律文本的数据，旨在用于法律领域的测试和评估。主要特征如下：时间跨度：...

ZIP

Jigsaw恶意评论分类挑战赛评论数据集-koheishima

2025年4月24日

Jigsaw恶意评论分类挑战赛评论数据集-koheishima 数据来源：互联网公开数据标签：恶意评论,文本分类,自然语言处理,情感分析,社交媒体,评论数据,毒性检测,在线社区,机器学习数据概述：本数据集包含了来自Jigsaw...

ZIP

中文文本分类标签数据集-训练集-独有标签及原始标签数据-hengwdai

2025年4月24日

中文文本分类标签数据集-训练集-独有标签及原始标签数据-hengwdai 数据来源：互联网公开数据标签：文本分类,自然语言处理,中文,标签,训练集,RoBERTa,机器学习数据概述：本数据集包含三个子集，均与中文文本分类任务相关，主要基于RoBERTa模型进行标签生成与处理。 AM-1 (使用180_filtered_rb标记的训练集):...

ZIP

BERT模型基线实验数据集BERTBaselineExperimentDataset-kenkrige

2025年4月24日

BERT模型基线实验数据集BERTBaselineExperimentDataset-kenkrige 数据来源：互联网公开数据标签：自然语言处理，文本分类，数据集，情感分析，机器翻译，文本生成，深度学习，BERT模型数据概述：该数据集包含了用于训练和评估BERT模型的基础文本数据，用于构建BERT模型的基线实验。主要特征如下：...

ZIP

西班牙国会发言标点检测数据集

2025年4月24日

西班牙国会发言标点检测数据集数据来源：互联网公开数据标签：西班牙国会,标点符号检测,自然语言处理,文本分析,语料库,语法结构,语言模型,文本分类数据概述：本数据集收录了2011年至2020年间西班牙国会议员的完整发言记录，按发言人分段整理。每句话被拆分为单个单词，并根据以下标准进行分类： 1....

ZIP

点击诱饵内容识别数据集ClickbaitDataset-arkyabagchi

2025年4月24日

点击诱饵内容识别数据集ClickbaitDataset-arkyabagchi 数据来源：互联网公开数据标签：内容识别，数据集，自然语言处理，文本分类，机器学习，信息传播，媒体分析，广告技术数据概述：该数据集包含来自互联网公开渠道的文本内容数据，记录了用于识别和分类“点击诱饵”内容的样本。主要特征如下：...

ZIP

仇恨言论识别与分类数据集FinalCleanedHateSpeechBalancedDataDataset-nirmalgaud

2025年4月24日

仇恨言论识别与分类数据集FinalCleanedHateSpeechBalancedDataDataset-nirmalgaud 数据来源：互联网公开数据标签：自然语言处理，仇恨言论，数据集，文本分类，机器学习，社会媒体，文本分析，情感分析数据概述：...

ZIP

阿拉伯语仇恨言论检测数据集ArabicHateSpeechDetectionDataset-malkim

2025年4月24日

阿拉伯语仇恨言论检测数据集ArabicHateSpeechDetectionDataset-malkim 数据来源：互联网公开数据标签：仇恨言论，语言分析，数据集，机器学习，文本分类，社会媒体，自然语言处理，情感分析数据概述：该数据集包含来自阿拉伯语社交媒体平台的文本数据，记录了用户发布的内容及其是否被标记为仇恨言论。主要特征如下：...

ZIP

虚假新闻检测数据集FakeNewsDetectionDataset-masroorshah768

2025年4月24日

虚假新闻检测数据集FakeNewsDetectionDataset-masroorshah768 数据来源：互联网公开数据标签：虚假新闻，新闻检测，数据集，自然语言处理，机器学习，文本分类，信息安全，数据挖掘数据概述：该数据集包含来自多个新闻源的数据，记录了真实新闻与虚假新闻的特征信息。主要特征如下：...

ZIP

网络钓鱼与正常邮件分类数据集PhishingandHamEmailsDataset-mohamedouledhamed

2025年4月24日

网络钓鱼与正常邮件分类数据集PhishingandHamEmailsDataset-mohamedouledhamed 数据来源：互联网公开数据标签：网络安全，电子邮件，数据集，机器学习，自然语言处理，文本分类，垃圾邮件检测，数据挖掘数据概述：该数据集包含来自网络钓鱼和正常邮件的文本数据，记录了两种类型电子邮件的内容特征。主要特征如下：...