Columns LTr, LVa, U contain the numbers of tweets in the training set, held-out validation set, and test set, respectively. Column “Shift” contains the values of distribution shift between L ≡ LTr ⋃ L

NIAID Data Ecosystem50

电商

文本分类

该数据集名为AE，是从电商场景中的阿里巴巴速卖通聊天机器人中构建的实际文本分类数据集。它包含了5种选定语言，每种语言下分为20个类别，总计涵盖了100个不同的分类任务。该数据集的主要任务是进行文本分类。

arXiv100

google_wellformed_query

自然语言处理

文本分类

GoogleWellformedQuery专注于识别自然语言问题的规范性，其核心在于判断搜索查询是否为符合语法的、明确的且无拼写错误的提问。数据集包含从Paralex语料库中抽取的25100条查询，每条查询都由五位众包工作者进行标注，最终得到一个0到1之间的评分，代表查询的规范程度。该数据集支持文本分类和文本评分任务，并采用CC BY-SA 4.0授权许可。其中训练集包含17500条数据，验证集包

Opencsg2024-07-19 更新90

Wiki train

资源简介：

相关数据集