维基媒体基金会提供的完整副本，以wikitext源代码和嵌入XML的元数据形式提供（500 GB）
截至2015年7月的每个公开可用的书签评论，共计17亿条评论（250 GB）
包含n-gram及其观察到的频率计数。n-gram的长度从unigrams（单个单词）到5-gram，主要用于统计语言建模（24 GB）
包含在整个语料库中出现超过40次的n-gram，优化了快速查询小组短语的用法
斯坦福收集的3500万条亚马逊评论,跨度18年
视觉问题解答数据集包含100，000个图像和999，968个问题。100，000 张图片，file_type：JSON，任务：问题解答，视觉
我们在这部作品中介绍了英语文学作品核心注释的新数据集，涵盖了 100 部小说作品中的 210，532 个令牌中的 29，103 个提及。 ...
Khan