荷兰语，该语料库包含两种类型的学生文本：作文和评论。涉及作者（性别、年龄、性取向、来源地区、性格概况）和文档（时间、 ...
ZEST is a benchmark for zero-shot generalization to unseen NLP tasks, with 25K labeled instances across 1,251 differ ...
ParaCrawl 是一套大型平行公司，通过广泛的网络爬行工作，为所有欧盟官方语言提供往返英语的辅助。从识别带有翻译文本的网站 ...
Some of the most important datasets for NLP, with a focus on classification, including IMDb, AG-News, Amazon Reviews ...
N-grams are fixed size tuples of items. In this case the items are words extracted from the Google Books corpus. The ...
294,000 science-relevant tuples
PMC 开放访问 （OA） 子集，其中包含 PMC 中包含具有机器可读知识
日本令牌词典，用于与MeCab。
日语词典和文字嵌入用于自然语言处理。苏达奇迪克是日本令牌（形态分析仪）苏达奇的词典。chiVe是日本预训单词嵌入（单词载 ...
A corpus of web crawl data composed of over 50 billion web pages.
Khan