TXM 0.6

B2FIND2026-04-25 收录

文献数据挖掘

语料库分析

数据链接：

https://b2find.eudat.eu/dataset/66df5ebf-43f7-5635-b708-11e57dd58065 数据链接链接失效反馈

官方服务：

资源简介：

TXM is a Unicode - XML & TEI compatible text/corpus analysis environment and graphical client based on the CQP search engine and the R statistical environment...

搜狐新闻数据(SogouCS)版本：2012

新闻分析

文献数据挖掘

来自搜狐新闻2012年6月—7月期间国内，国际，体育，社会，娱乐等18个频道的新闻数据，提供URL和正文信息。

阿里云天池2026-07-13 更新2430

CMU Book Summary Dataset

文献数据挖掘

自然语言处理

Pulled from http://www.cs.cmu.edu/~dbamman/booksummaries.html.

kaggle2017-11-10 更新170

AISE-TUDelft/MIA-near-public

文献数据挖掘

软件开发

该数据集包含了从GitHub仓库中提取的文件信息，包括文件的id、名称、路径、内容、大小、语言、扩展名、行数、平均行长度、最大行长度、字母数字比例等。同时，还包括了仓库的相关信息，如仓库名称、star数、fork数、open issue数、许可证类型和提取日期。另外，数据集还标识了文件在Redpajama、GitHubcode和StackExchange数据集中的重复情况。数据集分为训练集和测试集

Hugging Face2025-11-04 更新80

The Wikipedia Corpus

自然语言处理

文献数据挖掘

This corpus contains the full text of Wikipedia, and it contains 1.9 billion words in more than 4.4 million articles. But this corpus allows you to search Wikipedia in a much more powerful way than is

SSH Open MarketPlace2021-07-22 更新300

CSPubSum

自然语言处理

文献数据挖掘

该数据集包含了从ScienceDirect上选取的10147篇计算机科学出版物的URL，内容涵盖了标题、摘要、作者撰写的研究亮点等多个部分。数据集被划分为训练集、验证集和测试集，分别包含8116、1017和1014个样本。为了提升研究亮点的自动生成效果，实验中采用了多种输入配置。该数据集的规模为10147篇出版物，任务目标是自动生成研究亮点。

arXiv160

TXM 0.6

资源简介：

相关数据集