热门数据集
印度新闻标题数据集
india-headlines-news-dataset
3544
226.84 MB
汇编了2001年至2017年印度“泰晤士报”发表的270万条新闻的标题。
2020-10-31 （48月前）
免积分下载
微软ClueWeb重复新闻文章数据集
MS ClueWeb 09
4277
150MB
此数据版本是Omar Alonso，Dennis Fetterly和Mark Manasse于2013年12月在第九届亚洲信息检索协会会议上发表的《重复新闻报道检测》一书的配套文件。
2020-06-24 （52月前）
免积分下载
2012年综合选举推文
Comprehensive 2012 Election Tweets
4082
767.86M
该数据集标识了收集到的3800万条推文，用于分析与2012年美国最新发布的社交媒体消息有关：2016年1月29日。
2020-06-24 （52月前）
免积分下载
人民日报词性标注语料数据（199801）
PFR199801
5806
10.2M
人民日报语料资源为1998年人民日报1-6月份带词性标注的语料库中的1998年1月份的语料，可直接做词性标注训练使用，处理后也可以做实体识别模型训练用。
2020-05-19 （53月前）
免积分下载
中文文本分类数据集THUCNews
THUCNews
5212
2.19 GB
THUCNews是根据新浪新闻RSS订阅频道2005~2011年间的历史数据筛选过滤生成，包含74万篇新闻文档（2.19 GB），均为UTF-8纯文本格式。
2020-04-21 （54月前）
免积分下载
新浪微博用户关系数据
Data of user relation in Sina Weibo
5491
5.3KB
数据集中包括用户320个，用户间关系526条
2020-04-07 （55月前）
免积分下载
2017年中国发明专利数据
2017 China invention patent data
3986
本数据集源自润桐网（www.rainpat.com），由国家信息中心合作企业北京国信宏数科技有限责任公司提供，包含申请时间为2017年的全国专利数据，数据总量为277万条。
2020-03-29 （55月前）
免积分下载
爱尔兰时报新闻标题数据集
IRISH TIMES news title dataset
3996
47MB
1996年-2018年《爱尔兰时报》发布的142万条新闻标题的集合。
2019-09-30 （61月前）
免积分下载
奥卢大学多媒体团队文档数据库
MediaTeam Oulu Document Database
4963
953.67MB
MediaTeam Oulu Document 数据集是一个文档扫描图像和文档内容数据集，包含 500篇 1975年之前的文档信息。
2019-03-31 （67月前）
免积分下载