WikiAtomicEdits是由谷歌AI语言团队创建的多语言数据集，包含4300万条来自8种语言的维基百科编辑记录。这些编辑记录包括人类编辑插入或删除单个连续短语的实例。数据集的创建过程涉及从维基百科的历史快照中提取句子级别的编辑，并通过高效的算法进行处理。WikiAtomicEdits数据集特别适用于研究语义、话语和表示学习，旨在通过分析编辑过程中的语言变化，提供不同于标准语料库的语义和话语信

arXiv2018-08-29 更新270

awesome-public-datasets

数据集

公开数据

一个包含高质量公开数据集的列表，这些数据集来自公共领域，且持续更新中。

github2019-07-09 更新200

omr-dataset

光学音乐识别

数据集

受著名的MNIST公共数据库启发，该数据集旨在为光学音乐识别领域提供一个知名且具有代表性的数据集，以帮助开发相关应用程序。数据集用于训练和测试符号分类器，以及作为评估或比较OMR引擎的基准材料。

github2024-03-19 更新900

datasets