发布 Stratified Dataset of 26M Files 数据集, 应用在 内容类型检测、深度学习 领域

本次发布的数据集 Stratified Dataset of 26M Files, 该数据集精心筛选自113种不同内容类型，旨在为深度学习内容类型检测器提供一个基准和训练资源。它包含了来自多种内容类型的文件，特别注重在各类环境中均衡地呈现不同类型。该数据集规模宏大，包含2600万个文件，其任务是对内容类型进行检测。

查看Stratified Dataset of 26M Files

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。