TopicNet/NIPS

NIPS数据集是一个英文单语数据集，主要用于文本分类任务，包括主题分类、多类分类和多标签分类。数据集包含7241个文档，模态字典大小为1.18333e+07，平均文档长度为1634.21个令牌，平均唯一令牌长度为644.49。文档长度在模态令牌中的统计信息也被提供，包括均值、标准差、最小值、25%、50%、75%和最大值。

原始信息汇总

NIPS 数据集概述

数据集基本信息

• 语言: 英语
• 多语言性: 单语种
• 许可证: other (topicnet)
• 任务类别: 文本分类
• 任务ID: 主题分类, 多类分类, 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): 7241
• 词模态字典大小 (@word W): 1.18333e+07
• 词模态平均文档长度 (@word len D): 1634.21
• 词模态平均文档唯一词长度 (@word len D uniq): 644.49

文档长度统计

• 总长度均值 (len_total@word): 1634.21
• 唯一词长度均值 (len_uniq@word): 644.49
• 总长度标准差: 481.923
• 唯一词长度标准差: 162.31
• 总长度最小值: 0
• 唯一词长度最小值: 0
• 总长度25%分位数: 1249
• 唯一词长度25%分位数: 524
• 总长度50%分位数: 1663
• 唯一词长度50%分位数: 641
• 总长度75%分位数: 1978
• 唯一词长度75%分位数: 755
• 总长度最大值: 6000
• 唯一词长度最大值: 1513

其他信息

• 该数据集有多个版本，用于其他研究工作。

搜集汇总

背景与挑战

背景概述

TopicNet/NIPS是一个文本分类数据集，包含7,241篇NIPS会议论文，用于主题建模和多类/多标签分类任务。数据以csv格式提供，包含原始文本和词汇表示，平均文档长度约1,634个词符，适用于自然语言处理研究。