集智数据集|输入关键词搜索

供您参考使用

搜索结果|共4条数据

耗时：6/毫秒

Python
【中韩文本翻译数据集】经典小说中韩文句子翻译对齐数据集 2024-12-06 22:27:38

1449 44

数据集介绍：

本数据集是一个中韩文章短句翻译数据集，专门用于中韩语言对的翻译研究与应用。数据集包含了多本经典书籍中的句子翻译，涵盖了丰富的历史与文学内容，包括：

  • 百家公案
  • 北齐书
  • 北史
  • 北极探险
  • 白居易诗全集

每条数据包含中文原句及其对应的韩文翻译，并附有相关的文本信息，如小说名称、作者、分词、章节id等，便于进行更深入的分析与处理。数据集的表格格式为xlsx，结构清晰，易于操作，具体字段包括：

  • id：唯一标识符
  • 韩文翻译：原句的韩文翻译
  • 中文原句：句子的中文内容
  • 小说名称：句子所在的小说或书籍名称
  • 小说作者：该小说或书籍的作者
  • 分词：中文原句的分词结果
  • 章节id：句子所在的章节编号
  • 预置状态：用于标记数据集是否已经处理完成

该数据集适用于中韩翻译研究、机器翻译、对齐模型训练、跨语言文本分析等领域，并且能够帮助提升中韩语言之间的自然语言处理技术。


# T5翻译模型 # 机器翻译 # 深度学习 # 自然语言处理 # 文本翻译 # 中韩翻译 # 神经机器翻译 # HuggingFace # Transformer模型 # NLP教程 # Python翻译代码 # T5应用 # 多语言翻译 # 神经网络 # 文本生成 # 翻译工具 # 语言对齐模型 # 数据科学 # 人工智能翻译 # 预训练模型 # 韩文翻译 # 中文翻译 # 机器学习 # 翻译案例 # 代码复现 # 深度学习教程 # Excel数据处理 # 翻译算法 # T5教程 # 文本处理

Python
新闻资讯数据集：多维情感，热点分析判断和关联词汇 2024-11-27 09:31:54

2187 103

数据集介绍：

本数据集包含约8000条新闻资讯，旨在为自然语言处理（NLP）和文本分析提供多维度的信息支持。每条记录包括标题、中文分词、拼音、英文翻译与分词、以及新闻的情感属性（积极、消极或中性）。

字段包括：

  • 标题：新闻的标题内容。
  • 类型：新闻的分类类型（例如：政治、经济、科技等）。
  • 中文分词：标题中的中文词汇分词结果，便于文本处理。
  • 拼音：标题中文字符的拼音表示。
  • 英文翻译：标题的英文翻译，便于跨语言处理。
  • 英文分词：英文翻译的分词结果。
  • 是否为热点：标明新闻是否为当前热点事件（如：是/否）。
  • 属性：情感属性标注（消极、积极或中性），指示新闻的情感倾向。
  • 关联词汇：与新闻标题相关的关键词汇，有助于识别新闻的主题或内容。

此外，数据集还标注了新闻是否为热点事件，并提供了相关联的关键词汇，适用于情感分析、热点新闻检测、跨语言翻译等研究和应用。

数据集读取：

数据集为.xlsx格式，方便使用pandas等库进行调用读取



# 新闻数据集 # 情感分析 # 深度学习 # LSTM模型 # 自然语言处理 # 文本分类 # 情感分类 # 情感分析算法 # 数据预处理 # 文本处理 # 数据集分析 # 热点新闻分析 # 中文文本分析 # NLP # 情感倾向分析 # 新闻情感分析 # 情感标签 # 机器学习 # 人工智能 # 中文分词 # 新闻分析 # 文本分类模型 # 深度学习教程 # TensorFlow # Keras # Python教程 # SEO优化 # 数据科学 # 新闻推荐系统

Python
电影好评与差评内容分析数据集 2024-11-16 15:29:02

2341 105

数据集概述
本数据集是一个专注于电影评论情感分析的高质量语料资源，分为两个独立的Excel表格：电影差评内容数据集 和 电影好评内容数据集。每个表格包含用户对电影的详细评价文本及其对应的分词和拼音信息。数据集适用于情感分析、自然语言处理（NLP）、文本分类等任务，为研究电影评论的情感倾向、语言表达特点提供了坚实的基础。

数据格式
数据集以Excel表格格式（.xlsx）提供，包含以下字段：

  • id：每条评论的唯一标识符，便于索引和管理。
  • 电影差评（好评）内容：电影评论的原始中文文本，详细描述用户对电影的观看感受。
  • 内容分词：对评论内容进行的分词结果，词与词之间使用 | 分割，便于进一步的语义分析和特征提取。
  • 中文拼音：评论内容按拼音转写的结果，词与词之间使用 } 分割，为拼音相关的任务提供支持。

数据特点

  1. 情感多样性：包含了用户对电影的正向和负向情感表达，覆盖广泛的情感极性。
  2. 结构化信息：评论文本提供了分词和拼音两种结构化表示，便于基于词级别或音节级别的分析任务。
  3. 语言丰富性：评论内容来源多样，包含了不同类型用户的语言表达特点，适合多层次的文本分析。

应用场景

  1. 情感分析：用于训练情感分类模型，区分电影评论中的好评与差评。
  2. 文本特征提取：借助分词字段进行关键词提取、主题建模等任务，了解评论中的常见主题。
  3. 语音识别与拼音处理：基于拼音字段的音节特征，可应用于语音合成和拼音输入法优化等领域。
  4. 电影评价趋势分析：分析电影评论中的情感变化趋势，探索电影受欢迎程度和用户关注点。

数据特点

  • 数据集分为好评与差评两个部分，便于单独分析或联合使用。
  • 提供分词和拼音字段，为基于文本或语音的多模态分析提供支持。
  • 评论内容覆盖面广，可用于多种自然语言处理任务的研究和开发。

本数据集为情感分析和电影评价研究提供了高质量的基础语料资源，是探索文本情感倾向和语言特征的理想工具。


# 电影评论情感分析 # 朴素贝叶斯文本分类 # 情感分析数据集 # 好评差评分类模型 # TF-IDF特征提取 # 自然语言处理NLP # 文本分类算法 # 机器学习情感分析 # 电影数据集分析 # Python文本分类教程

| 友情链接： | 网站地图 | 更新日志 |

Copyright ©2025 集智软件工作室. 皖ICP备2025082424号-1 本站数据文章仅供研究、学习用途，禁止商用，使用时请注明数据集作者出处；本站数据均来自于互联网，如有侵权请联系本站删除。