fancyzhx/dbpedia_14|知识抽取数据集|自然语言处理数据集

hugging_face2024-01-22 更新2024-03-04 收录

知识抽取

自然语言处理

下载链接：

https://hf-mirror.com/datasets/fancyzhx/dbpedia_14

下载链接

链接失效反馈

资源简介：

DBpedia14数据集是一个用于文本分类的数据集，主要包含从DBpedia 2014中选取的14个非重叠类别的数据。数据集分为训练集和测试集，分别包含560,000和70,000个样本。每个数据点包含标题、内容和对应的标签。数据集主要用于文本分类任务，特别是主题分类。数据集的创建者Xiang Zhang，并且数据集在NIPS 2015的一篇论文中被用作文本分类的基准。

提供机构：

fancyzhx

原始信息汇总

数据集概述

数据集名称

名称: DBpedia14
别名: DBpedia

数据集属性

语言: 英语 (主要)
许可证: Creative Commons Attribution-ShareAlike 3.0 (cc-by-sa-3.0)
多语言性: 单语
大小: 100,000 < n < 1,000,000
来源: 原始数据
任务类型: 文本分类
任务ID: 主题分类

数据集结构

特征:
- label: 类别标签，包括14种不同的类别，如公司、教育机构等。
- title: 文档标题，字符串类型。
- content: 文档内容，字符串类型。
数据分割:
- 训练集: 560,000样本，178,428,970字节。
- 测试集: 70,000样本，22,310,285字节。

数据集创建

创建者: Xiang Zhang (xiang.zhang@nyu.edu)
创建理由: 用于文本分类的基准数据集，特别是在论文 "Character-level Convolutional Networks for Text Classification" 中使用。
源数据: 来自DBpedia (https://wiki.dbpedia.org/develop/datasets)

使用注意事项

许可证: 使用需遵守Creative Commons Attribution-ShareAlike 3.0和GNU Free Documentation License。
引用信息: 引用时需使用提供的引用格式。

用户留言

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？

点击留言

数据主题

具身智能

数据集 4098个

机构 8个

大模型

数据集 439个

机构 10个

无人机

数据集 37个

机构 6个

指令微调

数据集 36个

机构 6个

蛋白质结构

数据集 50个

机构 8个

空间智能

数据集 21个

机构 5个

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

中国交通事故深度调查（CIDAS）数据集

交通事故深度调查数据通过采用科学系统方法现场调查中国道路上实际发生交通事故相关的道路环境、道路交通行为、车辆损坏、人员损伤信息，以探究碰撞事故中车损和人伤机理。目前已积累深度调查事故10000余例，单个案例信息包含人、车、路和环境多维信息组成的3000多个字段。该数据集可作为深入分析中国道路交通事故工况特征，探索事故预防和损伤防护措施的关键数据源，为制定汽车安全法规和标准、完善汽车测评试验规程、

北方大数据交易中心收录

中国区域交通网络数据集

该数据集包含中国各区域的交通网络信息，包括道路、铁路、航空和水路等多种交通方式的网络结构和连接关系。数据集详细记录了各交通节点的位置、交通线路的类型、长度、容量以及相关的交通流量信息。

data.stats.gov.cn 收录

中国1km分辨率逐月降水量数据集（1901-2023）

该数据集为中国逐月降水量数据，空间分辨率为0.0083333°（约1km），时间为1901.1-2023.12。数据格式为NETCDF，即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国降尺度生成的。并且，使用496个独立气象观测点数据进行验证，验证结果可信。本数据集包含的地理空间范围是全国主要陆地（包含港澳台地区），不含南海岛礁等区域。为了便于存储，数据均为int16型存于nc文件中，降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理，Matlab发布了读入与存储nc文件的函数，读取函数为ncread，切换到nc文件存储文件夹，语句表达为：ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent])，其中XXX.nc为文件名，为字符串需要’’；var是从XXX.nc中读取的变量名，为字符串需要’’；i、j、t分别为读取数据的起始行、列、时间，leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样，研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令，可查看。数据坐标系统建议使用WGS84。

国家青藏高原科学数据中心收录

2017-2020年内蒙古当地杂豆的原料特性及生物活性物质分析数据集

参照国标对内蒙古当地的豌豆、赤小豆、绿豆、红芸豆及扁豆等五种杂豆的原料特性和生物活性物质含量进行测定，并进行对比分析。

国家农业科学数据中心收录

Breast Ultrasound Images (BUSI)

小型（约500×500像素）超声图像，适用于良性和恶性病变的分类和分割任务。

github 收录