集智数据集|输入关键词搜索

供您参考使用

搜索结果|共21条数据

耗时：10/毫秒

机器学习
【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

623 31

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

机器学习
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

1369 89

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

机器学习
中文情感（积极&消极）句子分类数据集 2024-11-16 15:38:00

1876 121

数据集概述
本数据集专注于中文情感分析，分为积极情感数据集和消极情感数据集两个Excel文件，分别包含表达正向和负向情感的句子文本。数据集适用于自然语言处理（NLP）中的情感分类、文本特征提取和情绪分析任务。通过对积极和消极句子的清晰划分，数据集为构建高效的情感分类模型提供了优质的语料资源。

数据格式
数据集以 xlsx 格式提供，字段说明如下：

  • id：每条句子的唯一标识符，便于索引和数据管理。
  • 积极（消极）情感内容：情感句子的原始中文文本，表达明确的情感倾向。
  • 内容分词：对句子内容进行的分词结果，词与词之间使用 | 分隔，便于特征提取和分析。
  • 中文拼音：句子内容转写为拼音的结果，词与词之间使用 } 分隔，适用于语音处理相关任务。

数据特点

  1. 情感清晰：积极与消极句子分布明确，覆盖了日常生活、工作、社交等多种场景的情感表达方式。
  2. 结构化表示：文本通过分词和拼音两种形式表示，便于语言特征分析和跨模态任务研究。
  3. 语言多样性：句子长度、句式和词汇分布广泛，适合多种NLP任务的语料需求。

应用场景

  1. 情感分类模型训练：用于训练和评估情感分类模型（如正负面情感分析）。
  2. 文本特征提取：结合分词字段，提取情感相关特征进行文本聚类或分类。
  3. 拼音输入法优化：利用拼音字段优化拼音输入法的情感联想能力。
  4. 社交情感分析：分析社交媒体或用户评论中的情感倾向，挖掘潜在用户反馈。
  5. 多模态情感研究：通过分词和拼音结合，支持跨模态（文本+语音）情感分析任务。

数据特点

  • 清晰的情感标注：分别提供积极和消极情感句子，便于构建分类模型。
  • 多字段支持：原文、分词和拼音等多字段内容，适合不同任务需求。
  • 高质量语料：涵盖多种真实情感场景，数据集质量高、实用性强。

本数据集是研究中文情感分析的理想资源，适合机器学习、深度学习情感分类模型的训练和评估，同时为多模态研究提供了多维度的参考语料。


# 情感分类 # DistilBERT文本分类 # 句子情感分析 # 自然语言处理NLP # 积极消极情感分析 # 多语言情感分类 # 情感分类模型 # 文本分类算法 # 机器学习情感分析 # NLP情感识别

| 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。