Articles Dataset

kaggle2024-01-31 更新2024-03-08 收录

文本数据

文章分析

数据链接：

https://www.kaggle.com/datasets/sahilkaushik00/articles-dataset 数据链接链接失效反馈

官方服务：

资源简介：

Contains 98 Articles with Title and content

该数据集共收录98篇兼具标题与正文内容的文章

创建时间：

2024-01-31

Literature-zh

文本数据

文本质量评估

这个数据集是由公共爬虫收集的中文书籍、论文、法律文件和专利组成的复合数据集。经过数据清洗，移除了含有非拉丁、非中文字符比例超过2%的文本，以及含有大量特殊字符的文本，同时将繁体中文转换为了简体中文。数据集中的文档还经过语言质量评估，移除了质量较低的文档。数据集包含47,087,808个样本，磁盘大小为214G的parquet文件。

Hugging Face2025-03-30 更新480

CognitiveLab/Aarogya_wiki_medical_terms

医学术语

文本数据

--- dataset_info: features: - name: __index_level_0__ dtype: int64 - name: Aarogya_prompt dtype: string - name: page_title dtype: string - name: page_text dtype: string spl

Hugging Face2023-12-29 更新130

Fahmi23/geethaamrita-llama2-1k

文本数据

机器学习

--- dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 123035 num_examples: 1000 download_size: 8132 dataset_size: 123035 configs: - config_nam

Hugging Face2024-05-28 更新90

davidsilva824/test-3-classes-dataset

情感分析

文本数据

--- dataset_info: features: - name: id dtype: int64 - name: tweet_text dtype: string - name: tweet_date dtype: string - name: sentiment dtype: int64 - name: query_used

Hugging Face2024-06-13 更新210

vietgpt/the_pile_openwebtext2

自然语言处理

文本数据

--- language: en dataset_info: features: - name: title dtype: string - name: text dtype: string - name: reddit_scores sequence: int32 splits: - name: train num_bytes: 68786

Hugging Face2023-07-15 更新100

Articles Dataset

资源简介：

相关数据集