-
DRIP_Based_软件需求文档段落需求提取数据集
2026年1月31日 30 69 39
数据集概述 本数据集为DRIP项目相关的软件需求文档数据集，包含近五年RE、ICSE、REFSQ、REJ会议及期刊的软件需求文档数据，共4个归档文件，用于从软件需求文档段落中提取单个需求的任务。 文件详解 训练数据文件 文件名称：trainData.gz 文件格式：.gz 字段映射介绍：未提供具体字段信息 标注数据文件 文件名称：annotation...
-
TACO_Source_Twitter对话论点开源发布数据
2026年1月30日 30 11 2
数据集概述 本数据集为TACO（Twitter Arguments from COnversations）的开源发布数据，包含Twitter对话中的论点内容，以压缩包形式提供，无训练/测试、数据/标签或原始/处理数据的拆分。 文件详解 文件名称：TomatenMarc/TACO-Public-Data.zip 文件格式：.zip...
-
CEEC_Based_历史英语拼写规范化人工标注测试集数据
2026年1月30日 30 170 16
数据集概述 本数据集为CEEC语料库历史英语规范化测试集，包含人工生成的三组历史-现代拼写对列表：混合世纪列表、15世纪列表和18世纪列表，每组各100对。历史形式均源自CEEC语料库，总计包含一个文件。 文件详解 文件名称：test_set_of_normalizations.xlsx 文件格式：XLSX...
-
NCOMMS_25_07426_Based_文档数据_无时间
2026年1月29日 30 163 22
数据集概述 本数据集包含一个与NCOMMS-25-07426相关的Word文档，无额外描述信息。数据集结构简单，仅含单个文档文件，未检测到命名模式、训练测试/数据标签/原始处理等数据划分。 文件详解 文件名称：Word 文档.docx 文件格式：.docx 字段映射介绍：未提供文件内容预览，无法获取具体字段信息，仅可确认文件类型为Word文档。...
-
孟加拉语语音识别测试集_重新审视Anwesha扩展金标准数据集
2026年1月28日 30 189 163
数据集概述 本数据集为孟加拉语信息检索（IR）测试集，扩展了现有黄金标准数据集，包含100个查询-文档相关性对及1000篇文档的新测试集。文档来源于Ebela、Zee News等新闻平台及旅游博客，支持不同复杂度查询的检索性能评估，是孟加拉语IR研究的基础资源。 文件详解 BSE_qrels.json 文件格式：JSON...
-
Evaluation_Prompt_Based_评估与提示词数据
2026年1月28日 30 22 7
数据集概述 本数据集围绕评估与提示词（Prompt）主题构建，包含一份Excel文件，主要用于存储提示词相关内容。数据未进行训练/测试、数据/标签或原始/处理的拆分，文件结构简单，无嵌套目录。 文件详解 文件名称：Prompt.xlsx 文件格式：XLSX...
-
FuseCap_Based_COCO测试集图像描述文本数据_测试版
2026年1月27日 30 160 145
数据集概述 本数据集包含由FuseCap生成的COCO测试集图像描述文本，核心内容为针对COCO测试集图像的自动生成描述。数据集结构简单，仅含一个JSON格式文件，用于图像描述生成任务的测试场景验证。 文件详解 文件名称：coco_karpathy_test.json 文件格式：JSON...
-
Compound_words_Based_阿拉伯语中文复合词样本数据
2026年1月27日 30 131 97
数据集概述 本数据集包含阿拉伯语与中文复合词相关的样本数据，聚焦两种语言复合词的对比研究场景，为语言学领域的复合词结构、构成规则等分析提供基础样本支持，数据集由单一文件构成。 文件详解 文件名称：Arabic & Chinese samples.xlsx 文件格式：XLSX...
-
HoneyBee_Based_材料科学大语言模型渐进式指令微调数据集
2026年1月26日 30 26 22
数据集概述 本数据集是为材料科学领域大语言模型HoneyBee构建的渐进式指令微调数据，基于MatSci-Instruct可信数据整理流程生成，包含训练和测试两类指令数据，可用于材料科学专用大语言模型的微调训练与性能评估。 文件详解 训练指令文件 文件名称：honeybee_train_instructions.json 文件格式：JSON...
-
TuReV_Corpus_France_24突尼斯革命在线新闻语料库
2026年1月26日 30 122 65
数据集概述 本数据集为TuReV语料库，包含从France 24网站提取的突尼斯革命相关在线新闻内容，是研究该历史事件媒体报道的结构化文本资源。数据集仅含一个文件，无目录层级或数据拆分，便于直接使用。 文件详解 文件名称：corpus TuReV.docx 文件格式：DOCX 字段映射介绍：包含从France...
-
哥伦比亚_El_Tiempo_日报单日新闻提取数据_20221111
2026年1月25日 30 49 21
数据集概述 本数据集为哥伦比亚《El Tiempo》日报2022年11月11日的新闻提取数据，包含当天该报纸发布的新闻内容，以结构化格式存储，可用于新闻内容分析、媒体研究等场景，数据集仅含一个文件。 文件详解 文件名称：news_eltiempo_11-11-2022.json 文件格式：JSON...
-
Gitome_MSR2024_GitHub_README相关任务数据集
2026年1月23日 30 99 35
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...
-
HyperPhS_Based_文本嵌入数据与预训练模型_Processed
2026年1月21日 30 28 15
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）...
-
log_datasets_Based_日志记录自动解析论文数据集_2021
2026年1月21日 30 151 150
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...
-
ArchiMob_Based_瑞士德语变体口语转录语料库_Release_1
2026年1月20日 30 40 1
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）...
-
DisinfoAppear_Based_在线虚假信息链接分类任务数据集_V1
2026年1月20日 30 144 8
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...
-
Documentation_defects_Based_文档缺陷分类研究数据
2026年1月20日 30 25 13
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...
-
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 30 136 16
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...
-
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 34 16
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...
-
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 30 172 26
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...
