CoMeRe repository

SSH Open MarketPlace2025-07-04 更新2025-07-05 收录

文献数据挖掘

通信分析

数据链接：

https://marketplace.sshopencloud.eu/dataset/7MhxVr 数据链接链接失效反馈

官方服务：

资源简介：

This corpus contains e-mails, forum posts, online chats, tweets and SMS. The corpus is available for download from Ortolang.

创建时间：

2025-07-04

Pile-CC

文献数据挖掘

网络数据抓取

Pile-CC是一个基于Common Crawl的数据集，用于训练和研究目的。Common Crawl是一个从2008年开始收集的网站抓取数据集，包括网页、元数据和文本提取。然而，由于数据集的原始性质，其中的文本质量参差不齐。为了改善数据质量，Pile-CC使用了jusText工具对Web Archive文件（包括页面的HTML）进行提取，从而产生了更高质量的文本输出。

OpenDataLab2026-07-12 更新420

Resultados de los análisis de contenido de materiales comunicativos sobre la reforma laboral de Febrero de 2012

劳动改革

通信分析

Se publican las codificaciones realizadas con todas las piezas analizadas en los análisis de contenido de materiales comunicativos sobre la reforma laboral de Febrero de 2012, de las siguientes organi

DataCite Commons2024-01-21 更新130

spiralworks/sm_test

论坛分析

文献数据挖掘

这是一个包含论坛帖子和相关笔记的数据集，其中每个帖子都包括ID、标题、作者列表、摘要、关键词、PDF链接等信息。每个笔记则包括ID、类型、创建时间、回复对象、阅读者列表、签名和文本内容。数据集分为训练集，并提供了相应的字节数和示例数。

Hugging Face2025-01-16 更新110

BASF-AI/PubChemSMILESBitextMining

化学信息学

文献数据挖掘

该数据集包含四个配置，分别是canon-desc、canon-title、iso-desc、iso-title。每个配置都包含测试集，其中canon-desc和iso-desc包含描述字段，canon-title和iso-title包含标题字段。所有配置都包含规范化的SMILES或同分异构体的SMILES字段。数据集主要用于化学分子的描述和标题的规范化SMILES表示学习。

Hugging Face2025-01-02 更新160

lsb/enwiki20240401

自然语言处理

文献数据挖掘

--- dataset_info: features: - name: id dtype: string - name: url dtype: string - name: title dtype: string - name: text dtype: string splits: - name: train num_bytes:

Hugging Face2024-04-25 更新120

CoMeRe repository

资源简介：

相关数据集