LDA stop word list

NIAID Data Ecosystem2026-05-10 收录

文本预处理

LDA主题建模

数据链接：

https://data.mendeley.com/datasets/g6djkb4m24 数据链接链接失效反馈

官方服务：

资源简介：

This Chinese stop word list can be used for LDA topic analysis

创建时间：

2026-04-08

omarelsayeed/good_chats_dataset_pre_tokenization

自然语言处理

文本预处理

--- dataset_info: features: - name: Chat_ID dtype: string - name: text dtype: string splits: - name: train num_bytes: 97515949 num_examples: 33735 download_size: 30316154

Hugging Face2024-02-23 更新160

[ Pig ] Normalized Requirement Files

文本预处理

需求分析

The documents of requirements are normalized by standard pre-processing techniques including splitting identifiers, special token elimination, stemming, and stop word removal.

NIAID Data Ecosystem110

sacremoses

自然语言处理

文本预处理

sacremoses library for transformers

kaggle2019-11-26 更新60

will33am/wikitext-2-raw-v1-preprocessed-5k-PI_KFI_claude-claude-3-5-sonnet-20240620

自然语言处理

文本预处理

该数据集包含文本、消息列表和输出检索结构三个主要部分。消息列表部分包括内容和角色字段，输出检索结构部分包括更新段落、错误和结果列表字段。数据集被分割为训练集，包含5000个例子，总大小为69662554字节。

Hugging Face2024-07-17 更新130

中文停用词表数据集