Stamatatos06_Based_作者识别C10文本数据集_2015

数据集概述

本数据集包含来自十位不同作者（C10）的五百篇文本，用于作者识别研究。数据以压缩包形式提供，内部包含一个JSON文件记录真实标签（ground truth），无训练/测试、数据/标签或原始/处理数据的划分。

文件详解

• 文件名称：stamatatos06-authorship-attribution-dataset-c10-2015-10-20.zip
• 文件格式：ZIP
• 字段映射介绍：压缩包内包含一个JSON文件，记录500篇文本的真实作者标签（ground truth）；文本内容未提供具体字段映射，整体用于作者归属识别任务。

适用场景

• 作者归属识别研究：用于测试和验证文本作者识别算法的准确性与鲁棒性。
• 自然语言处理模型训练：作为文本分类任务的训练数据，提升模型对作者写作风格的识别能力。
• 文体学分析：通过文本特征挖掘不同作者的写作风格差异，支持文体学研究。
• 文本数据挖掘：探索文本特征与作者身份之间的关联，为相关数据挖掘任务提供基础数据。