TopicNet/Brown

Brown Corpus是1961年在布朗大学创建的第一个百万词的英语电子语料库。该语料库包含来自500个不同来源的文本，这些来源按类型分类，如新闻、社论等。数据集包含15个主题，500篇文章，用于主题分类、多类分类和多标签分类等多种文本分类任务。

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 多语言性: 单语种
• 许可证: topicnet
• 许可证链接: https://github.com/machine-intelligence-laboratory/TopicNet/blob/master/LICENSE.txt

数据配置

• 配置名称: bag-of-words
  • 默认: 是
  • 数据文件:
    • 分割: 训练
    • 路径: "data/Brown_BOW.csv.gz"
• 配置名称: natural-order-of-words
  • 数据文件:
    • 分割: 训练
    • 路径: "data/Brown_NOOW.csv.gz"

任务类别

• 文本分类
• 主题分类
• 多类别分类
• 多标签分类

标签

• 主题建模
• 文本聚类
• 多模态数据
• 多模态学习
• 模态
• 文档表示

数据集详情

• 名称: Brown Corpus
• 描述: 首个百万词的英语电子语料库，创建于1961年，包含来自500个来源的文本，按新闻、社论等类型分类。
• 主题数量: 15
• 文章数量: 500
• 创建年份: 1961