我在哪裏可以下載免費的，文本豐富的數據集？

Question

我想做一點輕量級測試和基準標記進行全文搜索，所以數據集應具備的素質：

• 10,000 - 100,000條記錄。
• 英文單詞分散性很好。
• 以CSV或Excel格式 - 即。我不想通過API訪問它。

類似書籍或電影的標題和說明字段將是完美的。我瀏覽了UCI Machine Learning Repo，但它太過於數字化。

Answer 1

你可以試試
- CKAN
- 或search for "Open Data"

或see Tim Berners-Lee discussing a quick survey of a few Open Data sets。

Answer 2

如果你沒有找到一個，你可以使用Lorem存有發生器創建一個

T-SQL equivalent of =rand()

你也可以得到充分的StackOverflow的數據轉儲

http://blog.stackoverflow.com/2009/06/stack-overflow-creative-commons-data-dump/

Answer 3

使用Gutenberg Project。您可以以純文本訪問數千本英文書籍。這就是我曾經使用過的，並對此感到滿意。