数据集 - 海数据

Gitome_MSR2024_GitHub_README相关任务数据集

2026年1月23日 30 141 102

数据集概述本数据集为Gitome，是一个用于GitHub README相关任务的精选数据集，包含数据模型、现有数据集、语言统计、主题统计、仓库列表等9个文件，支持MSR2024会议论文的实验结果复现，可用于GitHub README相关的数据分析与任务研究。文件详解 emf_metamodel.zip 文件格式：ZIP...

ZIP

HyperPhS_Based_文本嵌入数据与预训练模型_Processed

2026年1月21日 30 19 9

数据集概述本数据集包含HyperPhS相关的处理后文本嵌入数据及预训练模型，核心为三类文本嵌入JSON文件与一个模型文件，总计4个文件，无目录层级，主要用于自然语言处理相关任务的模型应用与文本分析。文件详解文本嵌入数据文件（共3个）...

ZIP

log_datasets_Based_日志记录自动解析论文数据集_2021

2026年1月21日 30 26 11

数据集概述本数据集为论文《On Automatic Parsing of Log Records》（Section 3.3）配套数据，以压缩包形式提供。数据包含需解析的日志字符串及对应字符级字段名标注，每条记录为日志字符串与“翻译”结果的二元组，用于支持日志记录自动解析研究。文件详解文件名称：log_datasets.zip 文件格式：ZIP...

ZIP

ArchiMob_Based_瑞士德语变体口语转录语料库_Release_1

2026年1月20日 30 73 26

数据集概述本数据集为ArchiMob语料库Release 1，包含瑞士境内使用的德语变体口语转录文本，是首个瑞士德语长文本电子资源，总规模达528381个词元，可用于形态句法特征空间分布研究及自然语言处理任务。文件详解文件名称：ArchiMob_Release1_160812.zip 文件格式：ZIP（压缩包）...

ZIP

DisinfoAppear_Based_在线虚假信息链接分类任务数据集_V1

2026年1月20日 30 54 15

数据集概述本数据集针对在线虚假信息传播的新型链接分类任务构建，聚焦于事实核查文章中出现的链接，将其按文本语境分为虚假信息出现、支持证据、其他三类。包含训练集、测试集、说明文档及代码文件，可用于虚假信息传播相关的链接分类研究，共5个文件。文件详解数据文件文件名称：GS_train.json、GS_test.json 文件格式：JSON...

ZIP

Documentation_defects_Based_文档缺陷分类研究数据

2026年1月20日 30 17 2

数据集概述本数据集包含101个根据分类体系进行分类的文档缺陷记录，用于研究文档缺陷的分类特征与分布情况。数据集仅包含一个文件，未进行训练/测试、数据/标签或原始/处理数据的拆分，无目录结构，文件类型单一。文件详解文件名称：silva_techdebt2023_documentationdebt.xlsx 文件格式：XLSX...

ZIP

BhashaHMPV_Based印度区域语言HMPV多语言新闻与事实核查数据集

2026年1月20日 30 26 5

数据集概述本数据集包含印度区域语言的HMPV相关多语言新闻和事实核查文章，覆盖孟加拉语、英语、古吉拉特语等11种语言。通过Splinter框架采集Google新闻文章，利用Google Fact-Check API获取事实核查文章，经预处理和词干提取后整理为结构化文件，可用于多语言医疗文本分析研究。文件详解...

ZIP

Webis_ArgRank_17_Based_英文论证相关性研究基准数据集_2017

2026年1月18日 30 35 23

数据集概述本数据集是用于研究论证相关性的英文基准数据集，包含32个排名、超过3万个论证单元的真实论证图，以及可复现排名实验的源代码。数据集以压缩包形式提供，无目录层级划分，可支持论证相关性领域的模型训练与评估。文件详解文件名称：webis-argrank-17.zip 文件格式：ZIP...

ZIP

MEDDOPROF_Test_Set_西班牙语临床病例职业信息检测共享任务测试数据

2026年1月15日 30 64 1

数据集概述本数据集是MEDDOPROF共享任务的测试集，用于西班牙语临床病例中职业、就业状态的自动检测。该任务包含三个子任务：职业实体识别（MEDDOPROF-NER）、职业指代分类（MEDDOPROF-CLASS）和职业标准化（MEDDOPROF-NORM），可支撑医疗、社会服务、制药等多领域的文本处理需求，数据集包含一个压缩文件。文件详解...

ZIP

EvaCRC_Replication_Package_代码审查评论评估研究复现数据2023

2026年1月12日 30 107 62

数据集概述本数据集是ESEC/FSE 2023论文《EvaCRC: Evaluating Code Review Comments》的复现包，包含6个文件，覆盖概念模型构建、实验评估等研究内容，支持论文三个研究问题的复现验证，为代码审查评论评估的相关研究提供可复现的原始数据与材料。文件详解文档文件文件名称：README.md 文件格式：MD...

ZIP

Luxembourgish_word_embedding_Based_RTL_lu用户评论训练模型数据

2026年1月2日 30 201 105

数据集概述本数据集是基于卢森堡媒体平台RTL.lu的用户评论训练的卢森堡语词嵌入模型，包含2008年12月至2018年12月期间约54.4万条卢森堡语文本数据，为卢森堡语自然语言处理任务提供语义向量支持。文件详解文件名称：Luxembourgish word embedding_RTL user comments.zip 文件格式：ZIP...

ZIP

日本虚假新闻数据集

2025年12月24日 30 115 103

数据集概述该数据集为日本虚假新闻相关数据，包含一个压缩文件，未提供具体内容预览，可通过项目页面获取更多细节。文件详解文件名称: J-fakenews_v1.zip 文件格式: ZIP (.zip) 文件内容: 未提供具体内容预览，为压缩格式的数据集文件适用场景虚假新闻检测研究: 可用于训练和测试针对日语文本的虚假新闻识别模型...

ZIP

政治辩论中的多模态谬误分类数据集

2025年12月18日 30 110 83

数据集概述本数据集为政治辩论中的多模态谬误分类研究提供补充文件，核心内容围绕政治辩论场景下的谬误分类任务展开，以压缩包形式存储相关数据，为多模态分析领域的研究提供支持。文件详解文件名称: MMUSED-fallacy.zip 文件格式: ZIP压缩包（.zip）文件内容:...

ZIP

句法同义词的语言学特征认知方面数据集

2025年12月24日 30 149 136

数据集概述该数据集聚焦于句法同义词的语言学特征，从认知视角展开研究，以单篇PDF文档形式呈现相关研究内容，为探索句法同义词的认知语言学属性提供资料支持。文件详解文件名称: Сайидирахимова Насиба Сайидмахамадовна.pdf 文件格式: PDF (.pdf) 文件内容:...

ZIP

乌兹别克语停用词列表数据集

2025年12月23日 30 13 3

数据集概述本数据集包含通过三种自动方法从乌兹别克语"学校语料库"生成的停用词列表，涵盖单字词、双字词及带搭配的双字词停用词，为乌兹别克语自然语言处理任务提供基础资源。文件详解压缩包文件: uzbek_stopwords.zip: ZIP格式压缩包，包含以下核心文件： stopwords_unigrams.txt:...

ZIP

西班牙临床过敏笔记语料库

2025年12月23日 30 138 134

数据集概述该数据集是首个西班牙语临床过敏笔记语料库，包含西班牙阿尔科尔孔基金会大学医院过敏科及急诊科197名患者的828篇临床文本，涉及病历模板多样，含拼写错误、缩写等非正式临床书写特征，为西班牙语过敏领域NLP研究提供数据支持。文件详解文件名称: HUFA corpus annotation guidelines.pdf 文件格式: PDF...

ZIP

BiodivTab语义表格标注任务基准数据集

2025年12月22日 30 100 24

数据集概述本数据集是针对语义表格标注任务的基准数据集BiodivTab，以表格形式组织生物多样性相关数据，为评估语义表格标注算法性能提供标准测试资源。文件详解文件名称: BiodivTab_DBpedia.zip：压缩文件格式，内容未提供预览，推测包含与DBpedia关联的生物多样性表格数据。文件名称:...

ZIP

KPAAMCAM_IDP_Lower_Fungom_Biya_Based_500名词词表完整数据

2025年12月21日 30 191 121

数据集概述该数据集是一份包含500个名词的Biya Mungbam语言词表，Biya Mungbam是喀麦隆西北部Menchum区Lower Fungom地区使用的语言。词表基于两名男女发音人的数据，记录了声调、前缀、词根及名词短语等方面的个体差异。文件详解文件名称：KPAAMCAM-IDP_NTs_BIYA 500 NOUNS...

ZIP

Twitter气候变化标签与关键词数据集

2025年12月20日 30 37 35

数据集概述该数据集收集了Twitter平台上与气候变化相关的标签和关键词，分为支持与意识类、批判与怀疑类、两党气候类三大类别，覆盖带标签和无标签关键词，经清洗后确保数据准确性，为社交媒体话语分析提供结构化数据支持。文件详解文件名称：Climate Change Hashtags and Keywords on Twitter.pdf...