-
Webis_SMC_12_用户搜索任务标注语料库_2012版
数据集概述 本数据集为Webis Search Mission Corpus 2012（Webis-SMC-12），包含127名用户的8840次搜索引擎交互记录。由两名人工标注员将交互划分为2881个逻辑会话和1378个任务，初始分歧通过讨论达成共识。数据集仅含1个压缩文件，无目录结构。 文件详解 文件名称：corpus-webis-...
-
SEConvo_Based_社交工程对话模拟数据集_2024
数据集概述 本数据集包含1400条基于聊天的社交工程对话，模拟LinkedIn场景中的真实沟通，覆盖学术合作、学术资助、新闻采访、招聘等场景。所有对话由GPT-4-Turbo生成，包含单LLM模拟和双智能体交互两种模式，其中400条对话经过人工标注，可用于社交工程攻击防御相关的研究与分析。 文件详解 README.md 文件格式：MD...
-
SIMPITIKI_GITHUB_意大利语文本简化语料库数据
数据集概述 本数据集为意大利语文本简化语料库SIMPITIKI，包含两组简化文本对：第一组通过半自动方式从意大利语维基百科获取，第二组从行政领域文档中逐句手动标注。数据集仅含一个XML格式文件，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：simpitiki-v2.xml 文件格式：XML...
-
GRN_MARVEL_Based_音视频人群计数原始标注数据
数据集概述 本数据集包含从马耳他西海岸乡村小镇Mgarr的IP摄像头采集的原始音视频数据，已对行人进行人工标注。数据集共2个文件，无目录层级，包含压缩包和元数据文档两类文件，可用于音视频人群计数相关研究。 文件详解 压缩包文件 文件名称：GRN_MARVEL_AUDIO_VISUAL_CROWD_COUNTING.zip 文件格式：ZIP...
-
EconBiz_Based_经济学学术图表文本提取图像数据集
数据集概述 本数据集是经济学领域的学术图表文本提取语料库，包含121张学术图表，随机抽取自EconBiz的288,000篇开放获取出版物。图表类型涵盖条形图、饼图、折线图、地图、散点图等，所有图表均经过人工标注形成黄金标准，用于评估文本提取工具。 文件详解 文件名称：EconBiz.zip 文件格式：ZIP...
-
ASR_Based_牙科记录自动语音识别转录准确性研究数据集
数据集概述 本数据集为牙科记录自动语音识别转录准确性研究的分析数据集，包含支持相关分析的所有数据。初始仅向审稿阶段的编辑和同行评审人员开放，论文接收后将提供无限制访问。数据集含1个文件。 文件详解 文件名称：oaisr data2.xlsx 文件格式：XLSX...
-
数据11K_Hands_Based_手部珠宝分割掩码标注数据
数据集概述 本数据集为11K Hands数据集补充了手部珠宝的分割掩码数据，包含经筛选的3179张带珠宝的手部图像的人工标注掩码，掩码与原始图像尺寸、文件名一致，以PNG格式存储，像素值0代表背景、1代表珠宝，用于图像分割任务。 文件详解 文件名称：segmentation_mask.zip 文件格式：ZIP（压缩包）...
-
PCI_2023_Based_GDPR时代希腊隐私政策数据集
数据集概述 本数据集包含希腊语隐私政策文本及相关分析数据，覆盖希腊访问量较高且提供希腊语隐私政策的网站。数据结合GDPR框架下的用户权利维度，可用于隐私合规性分析、政策文本特征研究等场景，总计包含十七份文件。 文件详解 隐私政策基础信息文件 文件名称：ranked_domains_gr_dataset-nodupl.csv 文件格式：CSV...
-
CroQS_Based_跨模态查询建议基准数据集_v1_0_0
数据集概述 本数据集为CroQS (Cross-modal Query Suggestion) v1.0.0基准数据集，用于评估文本到图像检索场景中，基于视觉结果生成优化文本查询的方法。包含初始文本查询、图像结果语义簇及对应查询建议，支持跨模态查询建议任务研究。 文件详解 文件名称：CroQS_Benchmark_v1.0.0.json...
-
DeepForest_Based_街道树木RGB深度学习数据集
数据集概述 本数据集为DeepForest街道树木数据集，用于重现街道数据，支持论文补充材料3的研究。数据包含俄勒冈州公园和娱乐部提供的街道树木数据，以及经裁剪的训练、测试影像和人工标注文件，可用于RGB深度学习树木冠层 delineation 模型的训练与测试。 文件详解 文件名称：StreetTrees.zip 文件格式：ZIP...
-
OWT_Tag_Based_奥克语传统书面民间故事词性标注语料库
数据集概述 本数据集包含5篇奥克语传统书面民间故事文本摘录，均按照Grace标准进行了词元与词性的人工标注。文本摘录自J.-F. Bladé、J.-V. Lalanne等作者的民间故事集，每篇约1500词，用于评估奥克语词性标注工具Talismane针对OcOr语料库的性能，由ExpressioNarration项目产出。 文件详解 文件名称：OWT-...
-
YouTube_API_Based_马拉地语食谱频道评论标注数据集
数据集概述 本数据集通过YouTube API采集马拉地语食谱频道评论，覆盖Anjali Recipe Marathi等12个热门频道。评论经人工标注为感谢、食谱相关、视频相关、赞扬、混合、未定义、建议与查询7类，包含标注类别及对应样本量，为分析马拉地语食谱频道用户互动提供结构化数据。 文件详解 数据文件 文件名称：devnagiri.csv...
-
复制包_重新审视测试气味问题_自动生成测试用例_测试气味评估数据集
数据集概述 本数据集是论文“Revisiting Test Smells in Automatically Generated Tests: Limitations, Pitfalls, and...
-
AdoVoc_Pro_Based_弗拉门戈声乐资源音频及标注数据集
数据集概述 本数据集包含弗拉门戈演唱专家（两名女歌手和一名男歌手）录制的单音和复音音频文件，涵盖常见弗拉门戈声乐资源，对单音内容进行了时间位置和识别的人工标注，附数据集结构说明文件，用于弗拉门戈声乐资源自动检测研究。 文件详解 文件名称：AdoVoc Pro.zip 文件格式：ZIP...
-
FireXPosts_Based_X平台消防检测标注数据_2024
数据集概述 本数据集为FireXPosts消防检测数据，包含希腊语和英语两种语言的X平台帖子数据，通过标注指南对帖子进行消防相关标注，同时提供图像和概念检测结果，用于支持应急响应人员的消防事件检测工作，共包含6个文件。 文件详解 数据文件（JSON格式）...
-
CodeSmell_Based_C_长方法与大类代码异味人工标注数据集
数据集概述 本数据集包含采用C#编程语言编写的开源项目代码，针对长方法（Long Method）和大类（Large Class，文中亦称God Class）两种代码异味进行人工标注。每个标注实例由至少两名标注员独立完成，数据集包含标注结果及标注依据的启发式信息，共4个Excel文件，可用于代码异味检测模型训练与评估、代码质量分析等场景。 文件详解...
-
Hinglish_Youtube_Based印度烹饪频道观众评论情感分析数据集
数据集概述 本数据集收集自印度两大知名Youtube烹饪频道（Nisha Madhulika和Kabita’s Kitchen）的观众评论，核心为Hinglish语言评论，包含4900条/频道的标注数据，共划分7类标签（感谢、食谱相关、视频相关、赞扬、混合、未定义、建议与疑问），所有标注为人工完成，支持文本分类任务。 文件详解 数据文件（CSV格式）...
-
罕见病MEDLINE事件注册库_2023年人工标注文献与分类评估数据
数据集概述 本数据集为2023年生成，基于2022年从MEDLINE（科学文献）和Event Registry（新闻）收集的数据，支持罕见病挖掘项目。包含16种罕见病的人工标注文献，涉及科学论文和新闻文章的标注及分类器评估数据，用于相关研究论文的开发。 文件详解 JSON文件 文件名称：preproc2-input-...
-
DCASE2024_Task9_Based_语言查询音频源分离验证集数据
数据集概述 本数据集是DCASE 2024挑战赛Task 9（语言查询音频源分离）的验证集，包含1000个来自Freesound的音频文件及对应元数据，支持模型开发阶段的性能评估。音频已处理为10秒16kHz片段，每个文件配3条人工标注字幕，标签参考FSD50K规范，可用于生成无重叠类别的合成混合音频。 文件详解 lass_validation.zip...
-
Mapping_plague_Based_自然语言处理鼠疫地理映射数据集
数据集概述 本数据集为“通过自然语言处理映射鼠疫”项目的配套数据与代码，包含基于Sticker（1908）和Biraben（1975）两部鼠疫论著生成的原始文件、中间数据产品及最终地理编码鼠疫数据集，用于研究NLP库与地理编码服务从叙事文本生成量化数据集的性能。 文件详解 核心数据文件...
