This corpus contains the full text of Wikipedia, and it contains 1.9 billion words in more than 4.4 million articles. But this corpus allows you to search Wikipedia in a much more powerful way than is

SSH Open MarketPlace2021-07-22 更新300

CSPubSum

自然语言处理

文献数据挖掘

该数据集包含了从ScienceDirect上选取的10147篇计算机科学出版物的URL，内容涵盖了标题、摘要、作者撰写的研究亮点等多个部分。数据集被划分为训练集、验证集和测试集，分别包含8116、1017和1014个样本。为了提升研究亮点的自动生成效果，实验中采用了多种输入配置。该数据集的规模为10147篇出版物，任务目标是自动生成研究亮点。

arXiv160

s1k_small

文献数据挖掘

机器学习

该数据集包含了问题和解决方案的文本对，以及其他相关信息，如解决类型、来源类型、元数据等。数据集分为训练集，共有500个示例。数据集还包含了思考轨迹和尝试的信息，这些信息可能是序列化的字符串。

Hugging Face2025-02-13 更新470

CMU Book Summary Dataset

文献数据挖掘

自然语言处理

Pulled from http://www.cs.cmu.edu/~dbamman/booksummaries.html.

kaggle2017-11-10 更新170