有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
Data_archive_part2
收藏DataONE2016-09-30 更新2024-06-26 收录
下载链接：
https://search.dataone.org/view/null
下载链接
链接失效反馈资源简介：
This contains the second part of the data (too large for a single file upload)
创建时间：
2016-09-30
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
URPC系列数据集, S-URPC2019, UDD
URPC系列数据集包括URPC2017至URPC2020DL，主要用于水下目标的检测和分类。S-URPC2019专注于水下环境的特定检测任务。UDD数据集信息未在README中详细描述。
github 收录
THCHS-30
“THCHS30是由清华大学语音与语言技术中心（CSLT）发布的开放式汉语语音数据库。原始录音是2002年在清华大学国家重点实验室的朱晓燕教授的指导下，由王东完成的。清华大学计算机科学系智能与系统，原名“TCMSD”，意思是“清华连续普通话语音数据库”，时隔13年出版，由王东博士发起，并得到了教授的支持。朱小燕。我们希望为语音识别领域的新研究人员提供一个玩具数据库。因此，该数据库对学术用户完全免费。整个软件包包含建立中文语音识别所需的全套语音和语言资源系统。”
OpenDataLab 收录
CIA World Factbook
CIA世界概况是一个包含全球每个国家地理、经济和政治数据的公共领域数据集。数据类型包括自由文本、货币、百分比、经纬度、海拔、分类等，使其成为搜索应用测试和演示的有价值语料库，同时也具有数据本身的内在价值。
github 收录
CMNEE（Chinese Military News Event Extraction dataset）
CMNEE（Chinese Military News Event Extraction dataset）是国防科技大学、东南大学和清华大学联合构建的一个大规模的、基于文档标注的开源中文军事新闻事件抽取数据集。该数据集包含17,000份文档和29,223个事件，所有事件均基于预定义的军事领域模式人工标注，包括8种事件类型和11种论元角色。数据集构建遵循两阶段多轮次标注策略，首先通过权威网站获取军事新闻文本并预处理，然后依据触发词字典进行预标注，经领域专家审核后形成事件模式。随后，通过人工分批、迭代标注并持续修正，直至满足既定质量标准。CMNEE作为首个专注于军事领域文档级事件抽取的数据集，对推动相关研究具有显著意义。
github 收录
openai/gsm8k
GSM8K（Grade School Math 8K）是一个包含8.5K高质量、语言多样的小学数学文字问题的数据集。该数据集旨在支持需要多步推理的基本数学问题的问答任务。问题通常需要2到8步来解决，主要涉及使用基本算术运算（+ − ×÷）进行一系列基本计算。数据集中的问题难度适合中学生解决，且大多数问题无需明确定义变量即可解决。解决方案以自然语言形式提供，而非纯数学表达式。数据集包含两个配置：main和socratic，分别提供不同形式的答案。数据集的结构包括问题字符串和包含多步推理的答案字符串。数据集的创建过程涉及通过众包平台收集和验证问题。
hugging_face 收录