BookCorpus 大型书籍文本数据集

BookCorpus 是一个曾经流行的大型文本语料库，经常用于语句编码/解码的无监督学习。 但是原作者已不再提供 BookCorpus 的下载。

BookCorpus is a once-popular large-scale text corpus that is frequently used for unsupervised learning of sentence encoding and decoding. However, its original authors no longer provide downloads for the BookCorpus dataset.

搜集汇总

背景与挑战

背景概述

BookCorpus是一个大型文本语料库，常用于自然语言处理中的无监督学习，其数据主要来源于smashwords.com的免费书籍。该数据集由社区用户贡献，大小为2.24 GB，仅限非商业用途，且原始作者已不再提供下载。