1
任何人都可以指向我用於分類的一些大型語料庫嗎？大分類文檔語料庫
但是，我不是指路透社或20個新聞組，我說的是GB大小的語料庫，而不是20MB或類似的東西。
我只能找到這個路透社和20個新聞組，這對我所需要的東西來說非常小。
Q
大分類文檔語料庫
A
回答
1
2
文本分類評價最流行的數據集：
然而數據集以上不符合 '大' 的要求。下面的數據集可能會符合您的條件：
Commoncrawl你可以通過提取在元標記特定的關鍵字，並適用於文檔分類文章建立一個大型語料庫。
Enron Email Dataset你可以在這裏做各種不同的分類任務。
Topic Annotated Enron Dataset。不是免費的，但已經標記，並滿足您的大語料庫要求
您可以瀏覽其他公開datasets here
除上述以外，您可能需要開發自己的corpus.I將發佈的新聞語料建設者後來這個週末，將幫助您開發基於你所選擇的主題
更新定製語料庫：
創造了我上面提到的定製語料庫器模塊，但忘了012掛靠
相關問題
- 1. 使用類放大文本語料庫
- 2. 自動更正文檔語料庫
- 3. 語料庫的逆文檔頻率
- 4. Python NLTK分類語料庫創建
- 5. 語義飼料在HTML文檔
- 6. 從R中的文檔語料庫中刪除「空」字符項？
- 7. R堵塞字符串/文檔/語料庫
- 8. 從語料庫中刪除生成錯誤的文檔
- 9. 如何從R中的整個語料庫中提取文檔？
- 10. 將短語列表匹配到文檔語料庫並返回短語頻率
- 11. 從文本語料庫中分離非結構化語句
- 12. 術語文檔使用Lucene/Lingpipe在一個大型語料庫中的Java語言的頻率
- 13. 使用CoreNLP ColumnDataClassifier進行大型文檔集的文檔分類
- 14. 自動文檔分類的最佳庫
- 15. 在NLTK和Python中創建自定義分類語料庫
- 16. 如何創建分類標籤語料庫讀取器
- 17. 樸素貝葉斯分類器的平衡語料庫
- 18. 推特/普通分類訓練語料庫
- 19. 如何在NLTK中保存自定義分類語料庫
- 20. 英語語料庫需要
- 21. 使用大型文本語料庫時出現內存錯誤
- 22. 如何保持文本分類器準確的語料庫變化
- 23. NLTK文檔分類
- 24. NER與NLTK ieer或conll2000語料庫的火車語料庫
- 25. tm語料庫：tm_map函數不會更改語料庫
- 26. 在R中的文本語料庫中繪製文檔修剪的效果text2vec
- 27. 將文本語料庫轉換爲帶有vocabulary_id和tfidf分數的文本文檔
- 28. java解析推文語料庫json
- 29. Moses的語料庫文件格式
- 30. 多類別文檔分類
提供了一個答案。請接受或評論，如果它沒有幫助 – Skillachie