TopicNet/Stanford-Triplets

Stanford Triplets数据集是一个用于文本分类任务的数据集，包括主题分类、多类分类和多标签分类。数据集的语言为英语，且是单语言的。数据集的许可证为topicnet。数据集的统计特征包括文档数量、模态字典大小、平均文档长度等信息。此外，还提供了文档长度在模态标记中的详细统计信息，如均值、标准差、最小值、最大值等。

原始信息汇总

数据集概述

基本信息

• 名称: Stanford Triplets
• 语言: 英语
• 多语言性: 单语种
• 许可证: topicnet
• 许可证链接: https://github.com/machine-intelligence-laboratory/TopicNet/blob/master/LICENSE.txt

任务类别

• 文本分类
• 主题分类
• 多类别分类
• 多标签分类

标签

• 主题建模
• 文本聚类
• 多模态数据
• 多模态学习
• 模态
• 文档表示

数据集特征

• 文档数量 (D): 963564
• 词典大小 (@word W): 3.55391e+09
• 平均文档长度 (@word len D): 3688.3
• 平均文档长度（唯一词）(@word len D uniq): 962.404

文档长度统计

• 总词数平均长度: 3688.3
• 唯一词数平均长度: 962.404
• 标准差:
  • 总词数: 3482.8
  • 唯一词数: 458.434
• 最小值:
  • 总词数: 0
  • 唯一词数: 0
• 25%分位数:
  • 总词数: 1791
  • 唯一词数: 665
• 50%分位数（中位数）:
  • 总词数: 2835
  • 唯一词数: 878
• 75%分位数:
  • 总词数: 4608
  • 唯一词数: 1184
• 最大值:
  • 总词数: 754814
  • 唯一词数: 17874

元数据

• 包含可用于评估质量的三元组。