-
arXiv论文数据集arXivDataset-abhishekydav
arXiv论文数据集arXivDataset-abhishekydav 数据来源：互联网公开数据 标签：arXiv, 论文数据, 机器学习, 数据挖掘, 学术研究, 自然语言处理, 科技文献, 信息检索 数据概述：该数据集包含来自arXiv的学术论文数据，记录了大量科学和技术领域的研究论文信息。主要特征如下：...
-
俄罗斯新闻文本数据集Lenta-FontankaDataset-hosstell
俄罗斯新闻文本数据集Lenta-FontankaDataset-hosstell 数据来源：互联网公开数据 标签：新闻文本，自然语言处理，文本分析，情感分析，俄语，数据集，文本分类，信息检索 数据概述： 该数据集包含了来自Lenta.ru和Fontanka.ru两个俄罗斯新闻网站的文本数据，记录了新闻文章的详细信息。主要特征如下：...
-
PDF文档内容提取与分析数据集PDFDataContentExtractionandAnalysisDataset-straathofrick
PDF文档内容提取与分析数据集PDFDataContentExtractionandAnalysisDataset-straathofrick 数据来源：互联网公开数据 标签：PDF文档，文本提取，数据挖掘，自然语言处理，信息检索，文档分析，机器学习，数据集 数据概述：...
-
网页抓取数据集CrawlData-fdfyaytkt
网页抓取数据集CrawlData-fdfyaytkt 数据来源：互联网公开数据 标签：网页抓取，数据集，文本分析，自然语言处理，网络数据，信息检索，数据挖掘，网络爬虫 数据概述： 该数据集包含了从互联网上抓取到的网页内容数据，涵盖了各种主题和来源。主要特征如下： 时间跨度： 数据记录的时间范围不定，取决于网页抓取的具体时间。 地理范围：...
-
最终数据问答数据集FinalDataQuestionAnswerDataset-tasneemalbokary
最终数据问答数据集FinalDataQuestionAnswerDataset-tasneemalbokary 数据来源：互联网公开数据 标签：问答系统，数据集，自然语言处理，机器学习，文本理解，信息检索，人工智能，数据挖掘 数据概述： 该数据集包含来自问答系统相关研究的数据，记录了问答系统的训练和评估数据。主要特征如下：...
-
Naver博客文章搜索结果数据集NaverBlogSearchResultsDataset-wysohn2
Naver博客文章搜索结果数据集NaverBlogSearchResultsDataset-wysohn2 数据来源：互联网公开数据 标签：博客，搜索，数据集，自然语言处理，文本分析，韩国，社交媒体，信息检索 数据概述： 该数据集包含来自Naver博客的搜索结果数据，记录了用户在Naver博客平台上进行的搜索查询及其相关的文章信息。主要特征如下：...
-
人物维基百科传记文本数据集PeopleWikipediaBiographyTextDataset-jainprashant07
人物维基百科传记文本数据集PeopleWikipediaBiographyTextDataset-jainprashant07 数据来源：互联网公开数据 标签：人物传记, 文本数据, 维基百科, 自然语言处理, 文本分析, 传记信息, 知识图谱, 信息检索 数据概述：...
-
垃圾文本识别数据集RubbishTextDataset-sokoface
垃圾文本识别数据集RubbishTextDataset-sokoface 数据来源：互联网公开数据 标签：文本分析，自然语言处理，数据集，垃圾信息过滤，机器学习，文本分类，信息检索，数据挖掘 数据概述： 该数据集包含来自互联网的垃圾文本数据，记录了各种形式的垃圾信息，如广告、诈骗、低俗内容等。主要特征如下：...
-
向量化文本处理数据集VectorisedTextDataset-rhianarmstrong
向量化文本处理数据集VectorisedTextDataset-rhianarmstrong 数据来源：互联网公开数据 标签：文本处理，数据集，自然语言处理，机器学习，文本分析，向量化，深度学习，信息检索 数据概述： 该数据集包含来自互联网的文本数据，经过向量化处理，适用于自然语言处理和机器学习任务。主要特征如下：...
-
垃圾邮件与正常邮件数据集CombinedSpamandHamEmailDataset-mlane43210
垃圾邮件与正常邮件数据集CombinedSpamandHamEmailDataset-mlane43210 数据来源：互联网公开数据 标签：垃圾邮件，邮件分类，数据集，自然语言处理，文本分析，机器学习，信息检索，电子邮件 数据概述： 该数据集整合了垃圾邮件和正常邮件的文本内容，用于邮件分类、垃圾邮件检测等任务。主要特征如下：...
-
维基百科摘要数据集Wiki-SumDataset-sandeep16064
维基百科摘要数据集Wiki-SumDataset-sandeep16064 数据来源：互联网公开数据 标签：文本摘要，自然语言处理，数据集，机器学习，信息检索，文本分析，知识图谱，语言模型 数据概述： 该数据集包含来自维基百科的文本及对应的摘要数据，记录了维基百科条目的详细内容和自动生成的摘要信息。主要特征如下：...
-
虚假新闻检测训练数据集FakeNewsDetectionTrainingDataset-shyamgsundhar
虚假新闻检测训练数据集FakeNewsDetectionTrainingDataset-shyamgsundhar 数据来源：互联网公开数据 标签：虚假新闻，数据集，文本分析，自然语言处理，机器学习，信息检索，新闻报道，舆情分析 数据概述： 该数据集包含了大量用于虚假新闻检测的文本数据，旨在帮助研究人员和开发者构建和评估虚假新闻检测模型。主要特征如下：...
-
文本预处理语料库TextPreprocessingCorpus-dinhnhattruong
文本预处理语料库TextPreprocessingCorpus-dinhnhattruong 数据来源：互联网公开数据 标签：文本处理，数据集，自然语言处理，机器学习，文本挖掘，数据清洗，语言学，信息检索 数据概述：该数据集包含了来自互联网和公开出版物的文本数据，适用于文本预处理、自然语言处理等任务。主要特征如下：...
-
文件检索增强生成数据集RAGFilesDataset-anrenk
文件检索增强生成数据集RAGFilesDataset-anrenk 数据来源：互联网公开数据 标签：数据集，信息检索，自然语言处理，生成式AI，文件处理，知识管理，AI应用，文本分析 数据概述：该数据集包含用于检索增强生成（RAG）任务的多格式文件数据，记录了各类文档、文本和文件的检索与生成数据。主要特征如下：...
-
标题：文本标题提取数据集（Hasninasri Title Extraction Dataset）
标题：文本标题提取数据集（Hasninasri Title Extraction Dataset） 数据来源：互联网公开数据 标签：文本分析，标题提取，自然语言处理，机器学习，文本挖掘，NLP，数据集，信息检索 数据概述： 该数据集由Hasninasri提供，旨在用于文本标题的提取和生成任务，包含大量的文本内容及其对应的标题。主要特征如下：...
-
博客分类数据集BlogsClassificationDataset-atharvpatawar
博客分类数据集BlogsClassificationDataset-atharvpatawar 数据来源：互联网公开数据 标签：博客，分类，数据集，自然语言处理，文本分析，机器学习，信息检索，文本挖掘 数据概述：该数据集包含来自多个来源的博客文章数据，记录了各类博客的内容及其对应的分类标签。主要特征如下：...
-
BM25文档检索与信息提取数据集BM25DocumentRetrievalandInformationExtractionDataset-dinhnhattruong
BM25文档检索与信息提取数据集BM25DocumentRetrievalandInformationExtractionDataset-dinhnhattruong 数据来源：互联网公开数据 标签：文档检索，信息提取，数据集，信息检索，自然语言处理，机器学习，文本挖掘，数据科学 数据概述：...
-
Windows系统注释数据集-luckyrxy
Windows系统注释数据集-luckyrxy 数据来源：互联网公开数据 标签：Windows，操作系统，数据集，注释，软件工程，文本分析，自然语言处理，信息检索 数据概述： 该数据集包含Windows操作系统相关的注释信息，旨在提供关于Windows系统功能、代码、API等的详细描述。主要特征如下：...
-
LSH算法输出数据集LSHAlgorithmOutputDataset-aniladepu
LSH算法输出数据集LSHAlgorithmOutputDataset-aniladepu 数据来源：互联网公开数据 标签：算法输出，局部敏感哈希，数据集，数据处理，机器学习，数据挖掘，计算机科学，信息检索 数据概述： 该数据集包含来自局部敏感哈希（LSH）算法的输出结果，记录了LSH算法在处理大规模数据时的哈希结果。主要特征如下：...
-
信息检索与机器阅读理解数据集MSMARCODataset-parthplc
信息检索与机器阅读理解数据集MSMARCODataset-parthplc 数据来源：互联网公开数据 标签：信息检索，机器阅读理解，数据集，自然语言处理，搜索技术，人工智能，深度学习，文本分类 数据概述： 该数据集由微软（Microsoft）发布，主要记录了面向大规模信息检索和机器阅读理解任务的数据。主要特征如下：...
