Blog Authorship Corpus
收藏阿里云天池2026-07-09 更新2024-03-07 收录
下载链接：
https://tianchi.aliyun.com/dataset/144730
下载链接
链接失效反馈官方服务：
资源简介：
The Blog Authorship Corpus consists of the collected posts of 19,320 bloggers gathered from blogger.com in August 2004. The corpus incorporates a total of 681,288 posts and over 140 million words - or approximately 35 posts and 7250 words per person.
博客作者语料库（Blog Authorship Corpus）由2004年8月从blogger.com平台采集的19320位博主的博文所构成。该语料库总计收录681288篇博文，总字数逾1.4亿，平均每位博主约发布35篇博文、合计7250个单词。
提供机构：
阿里云天池创建时间：
2023-01-18
搜集汇总
数据集介绍
背景与挑战
背景概述
Blog Authorship Corpus数据集包含2004年8月从blogger.com收集的19,320位博主的681,288篇帖子，总计超过1.4亿单词。每个博客文件标注了博主的性别、年龄、行业和星座等人口统计信息，并均衡覆盖三个年龄组。该数据集适用于非商业研究目的，如基于文本内容的人口特征分类分析。
以上内容由遇见数据集搜集并总结生成
