Project Gutenberg 发布 PG-19 数据集, 应用在 诗歌创作、机器学习 领域

Project Gutenberg 本次发布的数据集 PG-19, 该数据集是从Project Gutenberg中筛选出的一组英文诗歌集，以诗节为单位进行组织，每个诗节又分为四行，并配有相应的韵律模式。该数据集包含的诗歌词汇量限制在最常见的50,000个单词内，且每四行诗的最大序列长度为50。此数据集已被用于评估与诗歌生成相关的各种模型和任务。其规模包含757,891个四行诗，分为训练集、验证集和测试集。该数据集的任务是使用强化学习进行诗歌生成和修订。

查看PG-19

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。