发布 InfoPop 数据集, 应用在 文本分析、流行度预测 领域

本次发布的数据集 InfoPop, 该数据集名为InfoPop，是首个包含超过50,000份在线新闻文档中超过170万句子的流行度标签的数据集。它通过搜索引擎查询生成句子级别的流行度标注。在整理该数据集时，研究人员通过抓取新闻文档，并利用传入的搜索查询为单个句子分配流行度标签。此外，数据集还包含了一个清洗过程，以去除噪音和非语法句子。该数据集的规模涵盖了超过170万句子，来源于超过50,000份文档。其任务是对在线新闻文档中的句子流行度进行主动预测。

查看InfoPop

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。