商业与非商业许可证分类数据集-2023-moxxis
数据来源：互联网公开数据
标签：许可证分类,商业,非商业,句子分割,平衡数据集,机器学习,文本分析
数据概述：
本数据集包含多版本的商业与非商业许可证分类数据，旨在用于文本分类模型的训练、验证和测试。数据集来源于原始的段落分类数据集（paragraphs_classification_dataset_v3_1），经过句子分割处理，确保每个句子都能独立作为分类任务的输入。数据集分为训练集、验证集和测试集，每部分各包含16行数据，其中商业和非商业类别各占8行。
数据集包含以下几种版本：
1. fullset_model_2_balanced.xlsx：平衡版本，训练集中包含80%商业许可证数据。数据主要用于模型的训练、验证和测试。
2. fullset_model_2_balanced_with_fluff_intrain.xlsx：平衡版本，训练集中包含70%商业许可证数据。训练数据中额外加入了来自非商业许可证段落的无关句子，以增加模型的泛化能力。
3. fullset_balanced_backtransl.xlsx：平衡版本，训练集中包含70%商业许可证数据。训练数据中额外加入了从非商业许可证段落回译的句子，提高数据的多样性和丰富性。
4. fullset_model_2_balanced_generated.xlsx：平衡版本，包含生成的句子。数据集中33%是非商业许可证数据，67%是商业许可证数据，旨在通过生成数据增强模型的训练效果。
数据用途概述：
该数据集适用于自然语言处理和机器学习领域的文本分类任务，特别是针对商业和非商业许可证文本的分类。研究人员可以利用本数据集训练和评估分类模型，以提高模型的准确性和鲁棒性。此外，数据集还适用于教育场景，帮助学习者理解和掌握文本分类的基本原理和技术。
