170万个YouTube视频的简介
包括餐厅排名和220万条评论
n-gram（n = 1至5），从1260多个面向新闻的站点中检索到的1460万个文档（1.26亿条独特语句，34亿个运行词）（12 GB）
包含n-gram表示形式，这些数据可以作为查询重写任务的测试平台，这是IR研究中的一个常见问题，也是NLP研究中常见的单词和句 ...
包含一小部分含有复杂HTML表单的页面，共计267万个复杂表单（50+ GB）
英文维基百科的处理转储（66 GB）
包含2010年4月以前维基百科英文部分中的所有文章的快照，已经去除了所有链接和不相关的材料（导航文本等），但未经标记，是 ...
2005—2010年47,860篇英语新闻的匿名汇总，文章长度在500字和500,000字之间，英文单词占比高达90%（40 GB）
730万个stackoverflow问题+其他stackexchanges（查询工具）
从2006年1月至2015年8月31日所有公开可用的Reddit推荐帖（42 GB）
Khan