Skip to content

IceFlameWorm/NLP_Datasets

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

4 Commits
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

中文NLP数据集

这是一个各类中文NLP数据集的集合,旨在把各种不同用途的中文语料收集起来,方便自己以及亲们使用^_^。

已收录数据集

ATEC语义相似度学习赛数据集

比赛链接:https://dc.cloud.alipay.com/index#/topic/ranking?id=8
数据集类型:语义相似度
保存目录:ATEC

CCKS 2018 微众银行智能客服问句匹配大赛数据集

比赛链接:https://biendata.com/competition/CCKS2018_3/leaderboard/
数据集类型:语义相似度
保存目录:CCKS_2018_3

ATEC + CCKS 2018 组合数据集

由于ATEC比赛和CCKS 2018比赛提供的语料都是互金客服场景下的语料,所以把两个数据集的语料合并到了一起,基于分层抽样划分了出了训练集、验证集和测试集,其中:

  • 训练集、验证集和测试集的正类比例均为34%左右
  • 训练集:约24W样本
  • 验证集:1W样本
  • 测试集:1W样本

数据集类型:语义相似度
保存目录:ATEC_CCKS

哈工大BQ_corpus数据集

数据集地址:http://icrc.hitsz.edu.cn/info/1037/1162.htm
数据集类型:语义相似度
保存目录:BQ_corpus

哈工大LCQMC数据集

数据集地址:http://icrc.hitsz.edu.cn/Article/show/171.html
数据集类型:语义相似度
保存目录:LCQMC

About

中文NLP数据集

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published