数据集 - 海数据

Anirudh_Prabhu博士论文文本转规则转换完整结果数据集

2025年12月13日 30 18 15

数据集概述本数据集为Anirudh Prabhu博士论文的组成部分，包含其论文第五章所述“文本转规则转换工作流”的运行结果。数据集预览及描述可参考论文附录E，为相关研究提供文本规则转换的实证数据支持。文件详解该数据集包含2个文件，具体说明如下： - 文件名称: MBR_SitCalcRules.pdf - 文件格式: PDF (.pdf) -...

ZIP

生成式预训练Transformer支持可持续性影响识别数据集

2025年12月12日 30 46 33

数据集概述本数据集围绕生成式预训练Transformer（如ChatGPT）在可持续性影响识别中的应用展开，包含4个Excel格式数据文件与2个PDF格式文档文件，为相关研究提供数据支持与方法参考。文件详解数据文件（.xlsx格式，共4个）： ChatGPT-R1.xlsx：可能为第一轮ChatGPT相关实验或分析数据...

ZIP

多语言历史报纸命名实体识别实体链接与立场检测数据集2021

2025年12月11日 30 129 62

数据集概述该数据集为多语言历史报纸资源，包含1850-1950年法语、德语、芬兰语和瑞典语的历史报纸材料，涵盖命名实体识别、实体链接及实体立场检测标注，用于开发和评估历史文档的命名实体处理系统。文件详解文件名称: NewsEye-GT-NER_EL_StD-v1.zip 文件格式: ZIP压缩包内容说明:...

ZIP

异构数据结构化与集成的大语言模型数据集

2025年12月11日 30 31 13

数据集概述本数据集为论文《Large Language Models for Structuring and Integration of Heterogeneous Data》的配套数据，包含匿名示例文档、开源大语言模型对比结果、案例研究材料及案例研究结果，支持相关研究的复现与验证。文件详解文件名称: Dataset...

ZIP

西班牙临床病例语料库词性标注数据集

2025年12月10日 30 183 152

数据集概述该数据集是西班牙临床病例语料库（SPACCC）的首个词性标注版本，由基于FreeLing3.1的SPACCC_POS-TAGGER工具完成标注，为临床文本的词性分析提供结构化数据支持。文件详解文件名称: SPACCC_POS.zip 文件格式: ZIP压缩包（.zip）内容说明:...

ZIP

Reddit_Based_实体链接数据集_多标注文本语义分析完整数据

2025年12月10日 30 96 47

数据集概述该数据集是基于社交媒体平台Reddit创建的实体链接数据集，包含六百一十九条帖子及一千二百四十三条对应评论，由三名人工标注者对文本分组进行标注，记录了提及-实体对及不同标注者间的一致性结果，含黄金、白银、青铜三种标注类型，总计一万一千一百零三条标注数据。文件详解文件名称: reddit_el.zip 文件格式: ZIP压缩包（.zip）...

ZIP

PAN14文本对齐原创性测试语料库2014

2025年12月9日 30 91 17

数据集概述本数据集为PAN14任务提供的测试语料库，包含文档对数据，其中部分文档可能存在经自动混淆处理的复用文本，用于研究文本原创性检测及对齐问题。文件详解文件名称: pan14-text-alignment-test-corpus3-2014-05-14.zip 文件格式: ZIP压缩包内容说明:...

ZIP

GLOVE_全球词向量表示数据集

2025年12月8日 30 130 28

数据集概述本数据集围绕“GLOVE: GLOBAL VECTORS FOR WORD REPRESENTATION”主题，包含一份PDF文档，核心内容与全球词向量表示相关，为词向量技术研究提供基础资料支持。文件详解文件名称: Abdulatif Meyliev Rakhmatillayevich.pdf 文件格式: PDF 内容说明:...

ZIP

Twitter仇恨言论检测与分析数据集

2025年12月8日 30 13 5

数据集概述该数据集包含用于Twitter仇恨言论检测与分析研究的两个语料库：2017年2月至12月收集的200万条原始推文，以及6000条标注是否包含仇恨内容的推文，为相关研究提供数据支持。文件详解文件名称：labeled_corpus_6K.txt 文件格式：TXT（.txt）...

ZIP

Stack_Overflow代码片段生成问题标题论文数据集

2025年12月7日 30 115 114

数据集概述该数据集是论文《Generating Question Titles for Stack Overflow from Mined Code Snippets》的配套数据，内容为从Stack Overflow数据转储中提取的代码片段及相关信息，用于支持代码片段生成问题标题的研究。文件详解文件名称: Code2Que-data.zip...

ZIP

基于LLM的编码助手澄清问题设计数据集及模型权重

2025年12月7日 30 112 38

数据集概述本数据集包含用于研究“通过设计激发好奇心：基于LLM的编码助手询问澄清问题”的实验数据与模型权重，涵盖用户研究样本文档、分类器训练数据、测试管道数据、合成数据集及训练后的模型权重文件，为编码助手交互机制研究提供支持。文件详解文档文件： Sample of User Study RQ1_ name of...

ZIP

ChatGPT自然语言需求不一致检测初步评估补充材料

2025年12月6日 30 72 59

数据集概述本数据集为"ChatGPT自然语言需求不一致检测初步评估"的补充材料，包含数据与标注内容。主要呈现每份文档中ChatGPT回答的标注结果、人工分析的标注结果，以及需求和真实值对，其中原始需求与变体需求通过第三列标识区分。文件详解文件名称: Inconsistencies-chatGPT.pdf 文件格式: PDF (.pdf)...

ZIP

冠状病毒科学文献动态主题模型标签数据集

2025年12月6日 30 62 5

数据集概述本数据集包含基于论文提出的无监督标签技术生成的动态主题模型（DTM）标签，涵盖100个和200个主题模型，分别使用全语料库和仅COVID-19时期数据训练，为冠状病毒科学文献的主题分析提供标签支持。文件详解文件名称：REPORT_ALL_200.html，文件格式：HTML，内容为使用全语料库训练的200个主题模型的标签报告...

ZIP

基于日志的自动Thing_Description生成实验结果数据集

2025年12月6日 30 90 30

数据集概述本数据集包含利用大型语言模型生成基于日志的自动Thing Description的实验结果，通过单一压缩文件存储相关内容，为研究日志驱动的描述生成技术提供数据支持。文件详解文件名称：log-based-td-generator.zip 文件格式：ZIP（.zip）文件内容：压缩归档文件，具体内部文件结构及内容未提供预览信息适用场景...

ZIP

CERME_Topic_Model_Based_学术研究用主题模型数据

2025年12月5日 30 205 53

数据集概述该数据集是ESM论文的技术附录，包含CERME主题模型相关的文件，涵盖主题分布列表、模型可视化结果及生成模型的代码，旨在保证研究的透明度。文件详解文件名称：Topic_model_CERME.ipynb，文件格式：.ipynb 内容：生成主题模型的代码文件，用于保证研究的完全透明度文件名称：List of topic...