包含大量路透社新闻报道，主要用于研究和开发自然语言处理、信息检索和机器学习系统。在2004年秋季，NIST接管了RCV1，所以现 ...
英文维基百科从2006年11月4日开始使用一些公开的NLP工具进行处理，共1,490,688个条目（6 GB）
匿名化的Yahoo!搜索日志与相关性判断（1.3 GB）
RDF数据（2 GB）
Yahoo! Answers corpus from 2006 to 2015的子集，包含170万个法语问题以及相应的答案（3.8 GB）
2017年10月25日创建，包含4,483,032个问题及其答案（3.6 GB）
包含2009年9月至2010年1月twitter收集的基于内容的用户地理定位信息，包含115,886位Twitter用户和3,844,612个位置更新：经度 ...
包含Open Library中所有记录的最新版本的转储
德语报刊文本的句法注释语料库，适用于所有大学和非营利组织，需要签署并发送表格才能获得
Khan