天然语言处理 数据集（更新于2020.04.19）

天然语言处理 20 newsgroups：分类任务，将出现的单词映射到新闻组 ID。用于文本分类的经典数据集之一，一般可用做纯分类的基准或任何 IR /索引算法的验证。 路透社新闻数据集：（较旧）纯粹基于分类的数据集，包含来自新闻专线的文本。经常使用于教程。 宾州树库：用于下一个单词或字符预测。 UCI‘s Spambase：来自著名的 UCI 机器学习库的（旧版）经典垃圾邮件数据集。根据数据集的

>>阅读原文<<