BookCorpus 发布 BookCorpus 数据集, 应用在 自然语言处理、文本数据集 领域

BookCorpus 本次发布的数据集 BookCorpus, 该数据集包含了7000本小说，总计约4500万有序句子，旨在用于训练基于循环神经网络（RNN）的模型，以学习高质量的句子表示。其规模达到了4500万句子，任务专注于为学习句子表示训练模型。

查看BookCorpus

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。