该数据集是Bittensor Subnet 13去中心化网络的一部分，包含预处理的Reddit数据。数据由网络矿工持续更新，提供实时的Reddit内容流，适用于各种分析和机器学习任务。数据集主要包含Reddit的帖子和评论，支持多种任务，如情感分析、主题建模、社区分析和内容分类。数据集的语言主要为英语，但也可能包含多语言内容。数据集的结构包括每个实例的多个字段，如文本内容、标签、数据类型、社区名称

Hugging Face2024-12-10 更新130

AISE-TUDelft/MIA-near-public

文献数据挖掘

软件开发

该数据集包含了从GitHub仓库中提取的文件信息，包括文件的id、名称、路径、内容、大小、语言、扩展名、行数、平均行长度、最大行长度、字母数字比例等。同时，还包括了仓库的相关信息，如仓库名称、star数、fork数、open issue数、许可证类型和提取日期。另外，数据集还标识了文件在Redpajama、GitHubcode和StackExchange数据集中的重复情况。数据集分为训练集和测试集

Hugging Face2025-11-04 更新80

The Wikipedia Corpus

自然语言处理

文献数据挖掘

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

Altmetric data on top 100 articles by citations (as reported in 2014)

学术影响力评估

Altmetric数据分析

An article published recently in Nature looked at the top 100 most highly cited papers from 1900 onwards, based on data from the Thomson Reuters Web of Science Database. The article highlighted that

NIAID Data Ecosystem80

UCL Research Impact Analysis: Results

资源简介：

相关数据集