WikiText 长期依赖语言建模数据集包含 1 亿个英文词汇,其来自于 Wikipedia 优质文章和标杆文章。 该数据集分为 WikiText-2 和 WikiText-103 两个版本,其相较于 PTB 词库规模更为庞大,并且每个词汇还保留相关的原始文章,这适用于需要长时依赖自然语言建模的场景。 该数据集由 Salesforce Research 于 2016 年发布,主要发布人为 Stephen Merity、Caiming Xiong、James Bradbury 和 Richard Socher,相关论文有《Pointer Sentinel Mixture Models》。
2021-04-05 14:13:10 373.29MB 数据集 语言建模 英文词汇 文本分类
1
大连理工大学词汇本体,在使用时记得注明大连理工大学。这是在大连理工大学申请到的,耗时比较长,大概一个月半吧。
2021-03-08 17:11:07 1.16MB 词汇文本 情感词汇文本
1