|
问答数据集
- Maluuba News QA 数据集：CNN 消息文章中的 12 万个问答对。
- 地点：https://datasets.maluuba.com/NewsQA
- Quora 问答对：Quora 宣布的第一个数据集，包括一再/语义相似性标签。
- 地点：https://data.quora.com/First-Quora-Dataset-Release-Question-Pairs
- CMU Q / A 数据集：手动天生的仿真问/答对，维基百科文章对其难度评分很高。
- 地点：http://www.cs.cmu.edu/~ark/QA-data/
- Maluuba 面向方针的对话：措施性对话数据集，对话旨在完成使命或做出抉择。常用于谈天呆板人。
- 地点：https://datasets.maluuba.com/Frames
- bAbi：来自 Facebook AI Research(FAIR)的综合阅读领略和问答数据集。
- 地点：https://research.fb.com/projects/babi/
- The Children’s Book Test：Project Gutenberg 提供的儿童图书中提取的(题目+配景、谜底)对的基线。用于问答(阅读领略)和仿真查找。
- 地点：http://www.thespermwhale.com/jaseweston/babi/CBTest.tgz
情绪数据集
- 多规模情感说明数据集：较旧的学法术据集。
- 地点：http://www.cs.jhu.edu/~mdredze/datasets/sentiment/
- IMDB：用于二元情绪分类的较旧、较小数据集。对文献中的基准测试无法支持更大的数据集。
- 地点：http://ai.stanford.edu/~amaas/data/sentiment/
- Stanford Sentiment Treebank：尺度情绪数据集，在每个句子理会树的每个节点都有细粒度的情绪注释。
- 地点：http://nlp.stanford.edu/sentiment/code.html
保举和排名体系
- Movielens：来自 Movielens 网站的影戏评分数据集，种种巨细都有。
- 地点：https://grouplens.org/datasets/movielens/
- Million Song 数据集：Kaggle 上元数据富厚的大型开源数据集，可以辅佐人们行使殽杂保举体系。
- 地点：https://www.kaggle.com/c/msdchallenge
- Last.fm：音乐保举数据集，可会见深层交际收集和其余可用于殽杂体系的元数据。
- 地点：http://grouplens.org/datasets/hetrec-2011/
- Book-Crossing 数据集：来自 Book-Crossing 社区。包括 278,858 位用户提供的约 271,379 本书的 1,149,780 个评分。
- 地点：http://www.informatik.uni-freiburg.de/~cziegler/BX/
- Jester：来自 73,421 名用户对 100 个笑话的 410 万个持续评分(分数从-10 至 10)。
- 地点：http://www.ieor.berkeley.edu/~goldberg/jester-data/
- Netflix Prize：Netflix 宣布了他们的影戏评级数据集的匿名版;包括 480,000 名用户对 17,770 部影戏的 1 亿个评分。首个首要的 Kaggle 气魄威风凛凛数据挑衅。跟着隐私题目的呈现，只能提供非正式版。
- 地点：http://www.netflixprize.com/
————————我是深度进修图表的支解线————————
收集和图形
- Amazon Co-Purchasing：亚马逊评述从「购置此产物的用户也购置了……」这一部门抓取数据，以及亚马逊相干产物的评述数据。得当在收集中试行保举体系。
- 地点：http://snap.stanford.edu/data/#amazon
- Friendster 交际收集数据集：在酿成游戏网站之前，Friendster 以伴侣列表的情势为 103,750,348 名用户宣布了匿名数据。
- 地点：https://archive.org/details/friendster-dataset-201107
语音数据集
- 2000 HUB5 English：最近在 Deep Speech 论文中行使的英语语音数据，从百度获取。
- 地点：https://catalog.ldc.upenn.edu/LDC2002T43
- LibriSpeech：包括文本和语音的有声读物数据集。由多个朗读者阅栋?鼽 500 小时的各类有声读物演讲内容构成，包括带有文本和语音的章节。
- 地点：http://www.openslr.org/12/
- VoxForge：带口音的清楚英语语音数据集。合用于晋升差异口音或语调鲁棒性的案例。
- 地点：http://www.voxforge.org/
- TIMIT：英语语音辨认数据集。
- 地点：https://catalog.ldc.upenn.edu/LDC93S1
- CHIME：嘈杂的语音辨认挑衅数据集。数据集包括真实、仿真和干净的灌音。真实灌音由 4 个扬声器在 4 个嘈杂位置的近 9000 个灌音组成，仿真灌音由多个语音情形和清楚的无噪声灌音团结而成。
- 地点：http://spandh.dcs.shef.ac.uk/chime_challenge/data.html
- TED-LIUM：TED 演讲的音频转录。1495 个 TED 演讲灌音以及这些灌音的笔墨转录。
- 地点：http://www-lium.univ-lemans.fr/en/content/ted-lium-corpus
————————我是深度进修音频的支解线———————— （编辑：湖南网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
