PAN14文本对齐原创性测试语料库2014

数据集概述

本数据集为PAN14任务提供的测试语料库，包含文档对数据，其中部分文档可能存在经自动混淆处理的复用文本，用于研究文本原创性检测及对齐问题。

文件详解

• 文件名称: pan14-text-alignment-test-corpus3-2014-05-14.zip
• 文件格式: ZIP压缩包
• 内容说明: 压缩包内包含用于文本对齐原创性检测任务的测试语料库，具体文件结构需解压后查看

适用场景

• 自然语言处理研究: 用于文本复用检测、抄袭识别算法的开发与测试
• 信息检索研究: 探索文本对齐技术在文档相似度匹配中的应用
• 学术诚信技术: 支持学术论文原创性检测工具的模型训练与验证
• 文本处理算法评估: 作为标准测试集，评估自动混淆文本的识别能力