-
智能手机黄金时代用户评论数据集2011-2017
2025年8月28日 30 40 33
数据集概述 本数据集收录了9个主流手机品牌在电商平台上的用户评论数据，涵盖2011年至2017年期间的消费者真实购买体验和产品反馈。数据集包含联想、VIVO、摩托罗拉、OPPO、红米、诺基亚、松下、iPhone和Micromax等品牌的141,590条用户评论记录。 字段定义 用户信息 用户: 评论用户的显示名称，字符串类型 用户ID:...
-
聊天记录数据集（2015-2022）
2025年8月19日 60 104 33
社交媒体或在线平台的聊天记录，包含文本消息、对话内容、情感标签等 适用于人工智能与自然语言处理课程，学生可以使用该数据集进行情感分析、对话生成、对话系统优化等任务。
-
比特币政策对话访谈问答与议题结构数据集
2025年7月31日 30 106 54
数据简介： 本数据集系统整理了2024年与比特币相关的播客节目内容，共计1819条记录。数据聚焦于宏观经济、货币政策、技术演进、制度接受度与社会应用等方面，涵盖来自多个播客节目的嘉宾访谈、对话要点、关键词抽取、核心议题梳理与延伸性问题汇总。该数据集为比特币政策研究、传播趋势分析与公众认知建模提供结构化信息支持。 数据来源： 播客节目平台（如...
-
企业邮件垃圾分类样本数据集
2025年6月19日 30 53 16
数据来源： 该数据集由美国能源公司 Enron 的内部通信记录构成，原始数据整理自 Enron Email Dataset，后经分类标注为“垃圾邮件”与“正常邮件”（Spam/Ham）两类，用于自然语言处理任务中的文本分类研究。 字段定义： Message ID：邮件编号，唯一标识每封邮件 Subject：邮件主题 Message：邮件正文内容...
-
特朗普政治言论分析用推特数据集
2025年5月25日 30 113 41
数据简介： 该数据集收集了与唐纳德·特朗普（Donald Trump）相关的推文文本及其元信息，内容涵盖用户生成的转发、评论和直接提及。数据时间上集中于2015年前后美国大选时期，具有一定的舆情代表性，可用于情感分析、文本分类、信息传播研究、政治观点分析等多种任务。 数据源自 Twitter...
-
亚马逊商品图像结构信息抽取图像中商品属性数据集
2025年5月19日 30 112 89
数据概述： 本数据集用于图像信息抽取任务，目标是训练一个机器学习模型，从商品图像中提取关键属性值（如重量、电压、体积、尺寸等）。该能力广泛应用于医疗、电商和内容审核等场景，尤其适用于缺乏详细文本描述的数字商品信息补全。模型需识别图像中的特定属性值，并输出标准格式的预测结果。 字段说明： 训练数据（train.csv）包含以下字段：...
-
NLp专用短信垃圾邮件分类数据集
2025年5月13日 30 116 74
数据概述： 本数据集是一个短信垃圾邮件收集数据集，包含超过10,000条SMS短信消息，并已被标记为“垃圾邮件”（spam）或“非垃圾邮件”（ham）。数据集中的每条短信以文本字符串的形式呈现。 数据包含以下字段： text：表示每条短信的内容。 target：指示每条短信是“垃圾邮件”还是“非垃圾邮件”。 数据用途概述：...
-
烹饪平台用户评论与互动信息食谱评论与评分反馈数据集
2025年4月13日 30 9 4
数据来源 互联网公开数据 数据字段 Recipe_Name（食谱名称）：用户评价所对应的食谱标题。 Recipe_Rank（食谱排名）：食谱在平台前100名榜单中的排名情况。 Recipe_ID（食谱代码）：每个食谱的唯一标识符。 User_ID（用户ID）：用户的唯一身份标识。 User_Name（用户名）：注册用户的显示名称。...
-
电子商务分析：Swiggy、Zomato、Blinkit
2025年3月9日 60 173 26
📌 概述 该数据集提供了有关电子商务杂货配送服务的详细见解，重点关注 Blinkit、Swiggy Instamart 和 JioMart。它包括客户反馈、配送时间、服务评级以及影响配送绩效的各种因素。该数据集可用于分析客户满意度、识别服务趋势和优化配送物流。 📍 主要功能 📍 订单 ID – 每个订单的唯一标识符。 📍 平台 –...
-
-
不同的情感文本数据集 2025
2025年2月18日 30 138 108
该数据集包含代表各种情绪状态的列，具体来说： 愤怒 无聊 平静 蔑视 厌恶 兴奋 恐惧 沮丧 快乐 中性 自豪 悲伤 惊讶 每一行可能代表记录这些情绪的实例或观察结果，可能基于个人反应、文本分析或生理数据。情绪涵盖了广泛的情感状态，从负面情绪（例如，愤怒、厌恶、悲伤）到正面情绪（例如，快乐、兴奋、自豪），以及中性或平衡状态（例如，平静、中性）。
-
龙珠问答数据集
2025年2月17日 200 49 29
龙珠问答语料库是一个精选数据集，旨在训练和评估特定于龙珠世界的问答模型。它包含多个文本文件，每个文件都充满了结构化和非结构化文本数据，涵盖了龙珠系列的各个方面，包括人物传记、力量等级、故事情节、转变、战斗、技术和传说。 每个文本文件都经过精心组织，以确保全面涵盖不同的主题，例如： 角色信息：详细的个人资料、能力和关系。 故事情节和弧线：龙珠、龙珠...
-
使用 peft 和 lora 进行 LLM 微调的合成数据
2025年2月14日 200 111 26
该数据集包含对话摘要、主题和对话，用于使用参数有效微调和大型语言模型的低秩自适应创建对 LLM 模型进行微调的管道，这是一种流行且轻量级的训练技术，可显着减少可训练参数的数量。 该数据集也可在 hugging face 中使用。https://huggingface.co/datasets/knkarthick/dialogsum
-
罗斯科学文章/Рус научные статьи
2025年2月14日 318 200 115
从 eLibrary.ru 网站下载了 2,478 篇俄语科学文章，这些文章被分为顶级 GRNTI（国家科学技术信息分类表）的 62 个标题。eLibrary.ru。网站上的期刊目录包含 71 个 GRNTI 类别，我选择了其中有足够数量的科学期刊和文章属于公共领域的类别。 标题位于说明的末尾。 下载了 pdf 文件，将其转换为 txt...
-
《老友记》电视节目抄录：《老友记》每一集的台词排序
2025年2月14日 364 208 117
创建此数据集的目的是构建一个分类器，确定《老友记》电视节目中的哪个朋友最有可能说出某句名言。 内容 里面的内容不仅仅是行和列。通过描述您如何获取数据以及它代表什么时间段，让其他人可以轻松入门。 数据来自 每集的原始记录最初都是从这里抓取的：https : //fangj.github.io/friends/。Jorge Nachtigall
-
英语至阿萨姆语平行数据集
2025年2月14日 287 195 73
此文件中有数十万个英语到阿萨姆语的平行数据集。 注意-清理数据集 1_.eng.txt - 有更多并行的英语数据集 1_assamese.xt - 有更多并行的阿萨姆语数据集
-
用于 NLP 任务的高质量金融新闻数据集
2025年2月13日 367 35 17
此存储库包含从各个金融网站精心抓取的数据集。数据提取过程可确保文本高质量且准确，包括网站及其嵌入 PDF 的内容。 数据集特征 日期： 公告日期。 主题：财经新闻的主题。 内容：公告的全部内容，包括网站文本和 PDF。 附加处理字段 我们应用先进的 Mixtral 7X8 模型来生成以下附加字段：...
-
用于对印地语 NCERT 科学教科书上的 Gemma 2 进行微调的结构化数据集
2025年2月13日 300 112 81
该数据集经过精心设计，旨在微调 Gemma 2 语言模型，以生成印地语教育内容，专门针对 3 年级至 10 年级的科学主题。该数据集使用印地语 NCERT 教科书构建，由三个结构化组件组成，可实现有效的语言模型训练。 数据集组件 1. 图书数据 包含 3 年级至 10 年级印地语 NCERT 科学教科书的 PDF 文件。...
-
GPT GCJ 数据集：检测 LLM 编写的 Java 代码
2025年2月13日 300 35 7
来自 GCJ 2020 的 76K+ Java 文件，其中 17K 由 GPT-4o 生成，用于 AI 检测 GPT Java GCJ 源代码数据集 该数据集由 2020 年 Google Code Jam 竞赛中 1,000 多位作者编写的共 76,089 个 Java 源代码文件和用于代码生成检测的 GPT-4o 重写代码组成。 随着 OpenAI...
