|
问答数据集
- Maluuba News QA 数据集：CNN 新闻文章中的 12 万个问答对。
- 地址：https://datasets.maluuba.com/NewsQA
- Quora 问答对：Quora 发布的第一个数据集，包含重复/语义相似性标签。
- 地址：https://data.quora.com/First-Quora-Dataset-Release-Question-Pairs
- CMU Q / A 数据集：手动生成的仿真问/答对，维基百科文章对其难度评分很高。
- 地址：http://www.cs.cmu.edu/~ark/QA-data/
- Maluuba 面向目标的对话：程序性对话数据集，对话旨在完成任务或做出决定。常用于聊天机器人。
- 地址：https://datasets.maluuba.com/Frames
- bAbi：来自 Facebook AI Research(FAIR)的综合阅读理解和问答数据集。
- 地址：https://research.fb.com/projects/babi/
- The Children’s Book Test：Project Gutenberg 提供的儿童图书中提取的(问题+背景、答案)对的基线。用于问答(阅读理解)和仿真查找。
- 地址：http://www.thespermwhale.com/jaseweston/babi/CBTest.tgz
情感数据集
- 多领域情绪分析数据集：较旧的学术数据集。
- 地址：http://www.cs.jhu.edu/~mdredze/datasets/sentiment/
- IMDB：用于二元情感分类的较旧、较小数据集。对文献中的基准测试无法支持更大的数据集。
- 地址：http://ai.stanford.edu/~amaas/data/sentiment/
- Stanford Sentiment Treebank：标准情感数据集，在每个句子解析树的每个节点都有细粒度的情感注释。
- 地址：http://nlp.stanford.edu/sentiment/code.html
推荐和排名系统
- Movielens：来自 Movielens 网站的电影评分数据集，各类大小都有。
- 地址：https://grouplens.org/datasets/movielens/
- Million Song 数据集：Kaggle 上元数据丰富的大型开源数据集，可以帮助人们使用混合推荐系统。
- 地址：https://www.kaggle.com/c/msdchallenge
- Last.fm：音乐推荐数据集，可访问深层社交网络和其它可用于混合系统的元数据。
- 地址：http://grouplens.org/datasets/hetrec-2011/
- Book-Crossing 数据集：来自 Book-Crossing 社区。包含 278,858 位用户提供的约 271,379 本书的 1,149,780 个评分。
- 地址：http://www.informatik.uni-freiburg.de/~cziegler/BX/
- Jester：来自 73,421 名用户对 100 个笑话的 410 万个连续评分(分数从-10 至 10)。
- 地址：http://www.ieor.berkeley.edu/~goldberg/jester-data/
- Netflix Prize：Netflix 发布了他们的电影评级数据集的匿名版;包含 480,000 名用户对 17,770 部电影的 1 亿个评分。首个主要的 Kaggle 风格数据挑战。随着隐私问题的出现，只能提供非正式版。
- 地址：http://www.netflixprize.com/
————————我是深度学习图表的分割线————————
网络和图形
- Amazon Co-Purchasing：亚马逊评论从「购买此产品的用户也购买了……」这一部分抓取数据，以及亚马逊相关产品的评论数据。适合在网络中试行推荐系统。
- 地址：http://snap.stanford.edu/data/#amazon
- Friendster 社交网络数据集：在变成游戏网站之前，Friendster 以朋友列表的形式为 103,750,348 名用户发布了匿名数据。
- 地址：https://archive.org/details/friendster-dataset-201107
语音数据集
- 2000 HUB5 English：最近在 Deep Speech 论文中使用的英语语音数据，从百度获取。
- 地址：https://catalog.ldc.upenn.edu/LDC2002T43
- LibriSpeech：包含文本和语音的有声读物数据集。由多个朗读者阅读的近 500 小时的各种有声读物演讲内容组成，包含带有文本和语音的章节。
- 地址：http://www.openslr.org/12/
- VoxForge：带口音的清晰英语语音数据集。适用于提升不同口音或语调鲁棒性的案例。
- 地址：http://www.voxforge.org/
- TIMIT：英语语音识别数据集。
- 地址：https://catalog.ldc.upenn.edu/LDC93S1
- CHIME：嘈杂的语音识别挑战数据集。数据集包含真实、仿真和干净的录音。真实录音由 4 个扬声器在 4 个嘈杂位置的近 9000 个录音构成，仿真录音由多个语音环境和清晰的无噪声录音结合而成。
- 地址：http://spandh.dcs.shef.ac.uk/chime_challenge/data.html
- TED-LIUM：TED 演讲的音频转录。1495 个 TED 演讲录音以及这些录音的文字转录。
- 地址：http://www-lium.univ-lemans.fr/en/content/ted-lium-corpus
————————我是深度学习音频的分割线———————— （编辑：焦作站长网）
【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!
|
