登录后查看消息通知
搜索
常见问题
消息
登录
BookCorpus
收藏
OpenXLab
2026-04-18 收录
下载链接:
https://openxlab.org.cn/datasets/OpenDataLab/BookCorpus
下载链接
链接失效反馈
官方服务:
购买咨询
问题咨询
资源简介:
BookCorpus是由未出版的作者撰写的大量免费小说书籍,其中包含16种不同子流派 (例如,浪漫,历史,冒险等) 的11,038本书 (约74m句子和1g单词)。
应用场景:
提供机构:
OpenDataLab
创建时间:
2022-05-23
相关数据集
bookcorpus/bookcorpus
BookCorpus数据集是一个包含大量英文书籍文本的语料库,主要用于文本生成和掩码语言建模任务。数据集来源于smashwords.com上的自出版书籍,经过处理后生成了包含书籍全文的文本文件。数据集的大小为4.85 GB,包含74004228个训练样本。数据集的创建目的是为了提供丰富的文本信息,用于训练AI系统。然而,数据集的收集和处理过程中存在一些伦理问题,如作者未被告知其作品被用于AI训练,
Hugging Face
2024-05-03 更新
265
0
bookcorpus
BookCorpus主要用于文本生成和填充掩码任务。它包含从Smashwords网站抓取的超过7000本英文书籍的文本数据,总大小约为4.85GB。这些书籍最初由作者在Smashwords上自行发布,并按流派进行分类,但数据集本身没有提供明确的标注信息。BookCorpus主要用于非监督训练,但存在数据重复、版权问题和抽样偏差等局限性,使用时需要谨慎。数据集的使用需遵循Smashwords的服务条
OpenCSG
2024-07-19 更新
21
0
BookCorpus Dataset
The dataset used in the paper is the bookcorpus dataset.
DataCite Commons
2026-01-07 更新
0
0
bookcorpus
BookCorpus主要用于文本生成和填充掩码任务。它包含从Smashwords网站抓取的超过7000本英文书籍的文本数据,总大小约为4.85GB。这些书籍最初由作者在Smashwords上自行发布,并按流派进行分类,但数据集本身没有提供明确的标注信息。BookCorpus主要用于非监督训练,但存在数据重复、版权问题和抽样偏差等局限性,使用时需要谨慎。数据集的使用需遵循Smashwords的服务条
Opencsg
2024-07-19 更新
5
0
BookCorpus
BookCorpus是一个流行的大型文本语料库,特别适用于无监督学习的句子编码器/解码器。然而,BookCorpus不再被分发。
github
2024-05-22 更新
59
0
© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15
沪公网安备31010402336585号
热门搜索
社区交流群
科研交流群
商业服务
数据资源
寻源服务
数据采集
标注服务
数据产品
代理销售
数据领域
凭证登记
数据产品
介绍推广