Mar*_*rko 5 classification corpus dataset text-classification
任何人都可以指出我用于分类的一些大型语料库吗？
但总的来说，我不是指路透社或 20 个新闻组，我指的是 GB 大小的语料库，而不是 20MB 或类似的东西。
我只能找到这个路透社和 20 个新闻组，这对于我需要的东西来说非常小。
最流行的文本分类评估数据集是：
然而，上面的数据集不满足“大”的要求。以下数据集可能符合您的标准：
Commoncrawl您可以通过提取元标记中具有特定关键字并应用于文档分类的文章来构建大型语料库。
安然电子邮件数据集您可以在此处执行各种不同的分类任务。
主题注释安然数据集。不是免费的，但已经标记并满足您的大型语料库要求
除上述内容外，您可能需要开发自己的语料库。本周末晚些时候我将发布一个新闻语料库构建器，它将帮助您根据您选择的主题开发自定义语料库
更新：
已经创建了我上面提到的自定义语料库构建器模块，但忘记链接它News Corpus Builder
| 归档时间： |
|
| 查看次数： |
6534 次 |
| 最近记录： |