NLPCC2016 数据集与流行的新闻数据集不同，使用更多来自新浪微博的非正式文本。训练和测试数据由来自不同主题的微博组成，如金融、体育、娱乐等。该数据集为 utf-8 编码，可被用于中文分词任务
2 做种
0 下载
1426 已完成
- NLPCC2016/README.md 928 B
- NLPCC2016/README.txt 928 B
- NLPCC2016/data/master.zip 18.29 MB
NLPCC2016 新闻数据集
相关数据集推荐
MultiSense 词汇消歧数据集
MultiSense 是一个包含 9,504 幅图像的数据集，使用了英语、德语和西班牙语动词对这些图像进行了标注。
DiDeMo 时间定位数据集
DiDeMo 全称 Distinct Describable Moments，可用于在给定自然语言描述的情况下，对视频中的事件进行时间定位。数据集中的视频是从 Flickr 收集的，每个视频都被剪辑成最多 30 秒的片段。数据集中的视频被分为每 5 秒钟一个片段，以降低标注的复杂…
DuIE 大规模中文信息抽取数据集
DuIE 是一个大规模的人工标注数据集，可用来评估基于架构的知识抽取算法。 该数据集包含超过 21 万个现实世界的中文句子，其中涉及超过 45 万个 SPO 三元组 （即：Subject-Predicate-Object triples），由预先指定的架构与 49 种谓语组成。 …