数据集 - 海数据

Telugu_Suicide_Based心理健康检测泰卢固语文本数据集

2026年2月6日 30 161 56

数据集概述本数据集是Kaggle英文自杀检测数据集前5万行的泰卢固语翻译版，使用IndicTrans2翻译模型生成。核心内容为含自杀倾向标注的泰卢固语文本，每条数据包含文本内容及“自杀倾向”或“非自杀倾向”的分类标签，旨在支持泰卢固语心理健康检测相关研究，共包含2个文件。文件详解 README.md 文件格式：MD...

ZIP

PAN25_Based_多作者写作风格变化检测数据集

2026年1月31日 30 155 56

数据集概述本数据集为PAN@CLEF2025共享任务“多作者写作风格分析”专用数据，核心任务是检测多作者文档中句子级的写作风格变化位置。数据集包含易、中、难三个难度等级，分别对应不同主题多样性的文档，各等级均划分训练、验证、测试集。文件详解文件名称：pan25-multi-author-analysis.zip 文件格式：ZIP...

ZIP

RLKWiC_Based_真实知识工作上下文监测数据集

2026年1月31日 30 62 35

数据集概述本数据集为RLKWiC，是首个公开的真实知识工作上下文数据集，通过监测八名参与者两个月的计算机交互生成，包含上下文、文本内容、语义等多维度信息，旨在填补个人信息管理领域的研究空白，为用户行为建模提供支撑。文件详解 RLKWiC.zip 文件格式：ZIP...

ZIP

NLP_Based_医学CT文本简单评分算法评估实验结果数据

2026年1月29日 0 81 1

数据集概述本数据集为“简单评分型自然语言处理（NLP）算法评估”实验的结果数据，包含两个文件，涉及医学CT相关文本的评分预测任务，记录了文本内容、实际评分、预测评分及分类等信息，可用于分析该NLP算法的性能表现。文件详解 20230513_predicted_rating.csv 文件格式：CSV...

IN02039_Based_Banepa石碑梵语XML草案数据

2026年1月29日 30 138 112

数据集概述本数据集为IN02039 Banepa石碑的梵语XML文件，属于Epidoc格式的草案版本，不含元数据，待整合至"Siddham"档案。数据集仅包含一个文件，记录该石碑的梵语文本内容，用于碑刻文献的数字化保存与研究。文件详解文件名称：IN02039.xml 文件格式：XML...

ZIP

OEDILF_Based_计算诗学用人类创作打油诗数据集_v3

2026年1月28日 30 52 40

数据集概述本数据集包含从The Omnificent English Dictionary In Limerick...

ZIP

IN01013_梵语_Sudevaraja敕令XML原始文献数据

2026年1月28日 30 184 140

数据集概述本数据集包含一份编号为IN01013的Sudevaraja敕令梵语文献的XML文件，无元数据。文件为单一XML格式，直接存储于根目录，未划分训练/测试、数据/标签或原始/处理版本，是研究该梵语碑铭文献的基础数字化资源。文件详解文件名称：IN01013.xml 文件格式：XML...

ZIP

La_Pola_Siero_Based_西班牙地图第2问语料数据

2026年1月28日 30 116 23

数据集概述本数据集属于拉波拉·西埃罗语料库，包含与“西班牙地图：第2问”相关的语料内容，仅含一个文件，未进行训练/测试、数据/标签或原始/处理数据的拆分，无目录层级结构，文件类型单一为文档格式。文件详解文件名称：Mapa de España.Pregunta2.docx 文件格式：docx...

ZIP

IN01014_Sanskrit_XML_无元数据梵语历史文献数据

2026年1月27日 30 145 50

数据集概述本数据集包含IN01014编号的《Narendra的Kurud宪章》梵语文献的XML文件，无附加元数据。数据为单文件结构，未进行训练/测试、数据/标签或原始/处理的拆分，文件类型单一，主要用于梵语历史文献的数字化存储与访问。文件详解文件名称：IN01014.xml 文件格式：XML 字段映射介绍：为梵语《Kurud Charter of...

ZIP

Kleptotrace_Based_金融腐败实体抽取微型基准数据集

2026年1月27日 30 178 138

数据集概述本数据集为微型基准数据集，包含15篇聚焦金融腐败主题的文章（共441句），以及文章中提及的个人和组织列表各1份，用于评估基于大语言模型的实体抽取流程。文件详解文件名称：Dataset-org.json 文件格式：JSON 字段映射介绍：包含金融腐败主题文章的文本内容，以及从中提取的个人列表和组织列表两类实体信息数据来源...

ZIP

IN02020_EpiDoc_Siddham档案待整合梵语XML数据

2026年1月25日 30 105 42

数据集概述本数据集包含IN02020号梵语铭文的XML文件，内容为Aryaghat桥附近Sivalinga基座的梵语文本，采用EpiDoc格式草稿版，无元数据，待整合至"Siddham"档案。数据集仅含一个文件，无目录层级划分。文件详解文件名称：IN02020.xml 文件格式：XML...

ZIP

PLOS_Clickbait_Based社交媒体用户参与与数字助推研究数据

2026年1月21日 30 69 9

数据集概述本数据集为社交媒体点击诱饵对用户参与影响研究的分析基础数据，包含10个新闻来源的4400余条Facebook帖子数据，记录了标题和文本中的点击诱饵特征（如特殊标点、常见短语）及其对点赞、分享、评论等用户互动行为的影响，同时涉及数字助推的潜在作用分析。文件详解...

ZIP

IN02086_Siddham_水渠石刻梵语铭文Epidoc草案XML数据

2026年1月21日 30 28 17

数据集概述本数据集包含IN02086号Minanatha水渠石刻铭文的梵语XML文件，为Epidoc格式草案版本，将纳入“Siddham”档案。数据记录石刻铭文内容，无元数据，是文化遗产数字化的重要文献资源，共包含1个文件。文件详解文件名称：IN02086.xml 文件格式：XML...

ZIP

LODsyndesisIE_Evaluation_实体识别评估集与结果数据

2026年1月21日 30 103 17

数据集概述本数据集包含LODsyndesisIE实体识别任务的评估资源，涵盖SimpleWiki、MSNBC、AQUAINT三个评估集的10篇测试文本（平均每篇83.2词、含15.8个实体），以及不同实体识别工具的效果与效率评估结果，用于验证实体识别及LODsyndesis内容富集能力。文件详解评估文本文件（TXT格式）...

ZIP

Supplementary_data_manuscript_学术文献补充数据

2026年1月20日 30 193 168

数据集概述本数据集为某学术手稿的补充数据，包含一份文档文件，用于支撑手稿的研究内容。数据集结构简单，未划分训练测试、数据标签或原始处理数据，文件类型单一。文件详解文件名称：Magnaetal_supplementary.docx 文件格式：DOCX 字段映射介绍：未提供内容预览，推测为支撑学术手稿的补充文本、表格、图表或数据说明等相关信息。...

ZIP

Kanuri_Interior_Robinson_Crusoe_语言研究文档

2026年1月20日 30 18 1

数据集概述本数据集包含一份关于Kanuri语言的文档，核心内容涉及Kanuri语言与《鲁滨孙漂流记》相关的研究材料。文档以docx格式呈现，无其他关联文件或目录结构，可用于Kanuri语言相关的学术研究或资料参考。文件详解文件名称：521_kanuri_interior_robinson_crusoe.docx 文件格式：DOCX...

ZIP

Shared_Research_Repository_BL报纸样本纯文本数据集

2026年1月19日 30 119 103

数据集概述本数据集包含Shared Research Repository发布的报纸文章纯文本数据，以压缩包形式提供，可用于自然语言处理相关的文本分析任务，总计包含一个文件。文件详解压缩文件文件名称：newspaper_text.zip 文件格式：ZIP...

ZIP

IN02002_Sanskrit_昌古纳拉扬石柱北轴铭文梵语XML数据_草稿版

2026年1月19日 30 46 40

数据集概述本数据集包含IN02002昌古纳拉扬石柱北轴铭文的梵语文本，以XML格式存储，为Epidoc标准的草稿版本，不含元数据，计划纳入"Siddham"档案。数据集仅包含1个文件，无目录结构，未划分训练/测试、数据/标签或原始/处理集。文件详解文件名称：IN02002.xml 文件格式：XML...

ZIP

Food_Fraud_Vulnerability_中国欧洲食品供应链欺诈评估数据

2026年1月19日 30 76 68

数据集概述本数据集包含中国和欧洲多家企业的香料/生姜及葡萄酒食品欺诈脆弱性评估结果，属于食品真实性创新实施任务（WP3 Task 3.2）的一部分，旨在帮助理解选定食品链中的欺诈脆弱性，为食品真实性领域工作提供数据支持。文件详解生姜评估文件文件名称：Data_Spices_Task 3.2_Food fraud vulnerability...