Blog Authorship Corpus 博客作者语料库

该数据集包含来自2004年或之前编写的博客的文本，每个博客都是单个用户的作品。

This dataset contains texts from blogs written in or before 2004, where each blog is the work of a single user.

搜集汇总

背景与挑战

背景概述

博客作者语料库包含2004年或之前由19,320名博客作者撰写的681,288个帖子，总计超过1.4亿单词。该数据集按作者的年龄、性别、行业和星座进行标注，适用于非商业研究目的。