IBM 发布 Twitter Misspellings Dataset 数据集, 应用在 文本处理、自然语言处理 领域

IBM 本次发布的数据集 Twitter Misspellings Dataset, 该数据集包含了来自推特上最常出现的1051个单词及其各种拼写错误。此外，该数据集最初在2015年被用于IBM公司的一项数据标准化挑战。规模上，数据集包含1051个单词，任务是对字符串相似度进行测量。

查看Twitter Misspellings Dataset

关于 IBM , IBM，国际商业机器公司，全球信息技术领导者。

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。