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？
WiLI-2018|语言识别数据集|基准数据集数据集
收藏arXiv2018-01-24 更新2024-06-21 收录
下载链接：
https://doi.org/10.5281/zenodo.841984
下载链接
链接失效反馈资源简介：
WiLI-2018是由Karlsruhe的优秀信息学学生基金会支持的Martin Thoma创建的书面语言识别基准数据集。该数据集包含来自Wikipedia的1000个段落，涵盖235种语言，总计235,000个段落。WiLI-2018旨在通过提供公开可用的、免费的数据集，促进语言识别技术的研究和发展。数据集中的每个段落都至少包含140个Unicode代码点，并且每个段落都属于235种语言中的一种。这些数据可用于训练语言识别模型、基准测试这些模型以及识别未知语言。此外，WiLI-2018还特别关注了语言的多样性，包括了从常见语言到少数语言的广泛范围，以及包括了如Esperanto、Ido、Interlingua等构造语言和如Latin等已死亡语言，但不包括如HTML、XML、LATEX、JSON和Markdown等人工语言。
提供机构：
Foundation for Gifted Informatics Students in Karlsruhe
创建时间：
2018-01-24
数据主题
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
PDT Dataset
PDT数据集是由山东计算机科学中心（国家超级计算济南中心）和齐鲁工业大学（山东省科学院）联合开发的无人机目标检测数据集，专门用于检测树木病虫害。该数据集包含高分辨率和低分辨率两种版本，共计5775张图像，涵盖了健康和受病虫害影响的松树图像。数据集的创建过程包括实地采集、数据预处理和人工标注，旨在为无人机在农业中的精准喷洒提供高精度的目标检测支持。PDT数据集的应用领域主要集中在农业无人机技术，旨在提高无人机在植物保护中的目标识别精度，解决传统检测模型在实际应用中的不足。
arXiv 收录
UIEB, U45, LSUI
本仓库提供了水下图像增强方法和数据集的实现，包括UIEB、U45和LSUI等数据集，用于支持水下图像增强的研究和开发。
github 收录
Comparative Toxicogenomics Database (CTD)
Comparative Toxicogenomics Database（CTD）是一个公开的综合性数据库，专注于研究环境暴露与人类健康之间的关系。该数据库整合了化学物质、基因、疾病、通路等多维度信息，支持用户查询基因与疾病、化学物质与疾病以及化学物质与基因之间的相互作用，为毒理学研究和环境健康效应研究提供了重要资源。其最新成果包括2025年发布的20周年更新版本，进一步扩展了数据内容和功能。
ctdbase.org 收录
LIDC-IDRI
LIDC-IDRI 数据集包含来自四位经验丰富的胸部放射科医师的病变注释。 LIDC-IDRI 包含来自 1010 名肺部患者的 1018 份低剂量肺部 CT。
OpenDataLab 收录
Materials Project 在线材料数据库
Materials Project 是一个由伯克利加州大学和劳伦斯伯克利国家实验室于 2011 年共同发起的大型开放式在线材料数据库。这个项目的目标是利用高通量第一性原理计算，为超过百万种无机材料提供全面的性能数据、结构信息和计算模拟结果，以此加速新材料的发现和创新过程。数据库中的数据不仅包括晶体结构和能量特性，还涵盖了电子结构和热力学性质等详尽信息，为研究人员提供了丰富的材料数据资源。相关论文成果为「Commentary: The Materials Project: A materials genome approach to accelerating materials innovation」。
超神经 收录