biglam/hansard_speech

Hansard Speeches数据集包含了1979年5月至2020年7月期间英国下议院的所有演讲记录。该数据集适用于文本分类和语言建模等任务，旨在研究语言和社会观点随时间的变化。数据集是单语言的，仅包含英语（英国），并且没有进行注释。数据集的大小在1M到10M之间，适用于深度学习任务。

原始信息汇总

数据集概述

数据集名称

• 名称: Hansard Speeches

数据集属性

• 语言: 英语（en）
• 多语言性: 单语种
• 许可证: CC-BY-4.0
• 大小: 1M<n<10M
• 来源: 原始数据
• 标签: 演讲、政治、议会、英国

支持的任务

• 文本分类
• 文本生成

数据集结构

• 数据实例: 包含演讲的详细信息，如演讲者、政党、选区、日期等。
• 数据字段: 包括演讲ID、文本、显示名称、政党、选区等。
• 数据分割: 训练集大小为2694375。

数据集创建

• 来源数据: 数据来源于data.parliament.uk。
• 注释: 无注释。

使用考虑

• 社会影响: 用于理解语言使用和社会观点随时间的变化，可能包含现代社会不可接受的言论和观点。

附加信息

• 数据集创建者: Evan Odell
• 许可证信息: 创意共享署名4.0国际许可证
• 引用信息: 见README文件中的引用格式。