发布 Blog Authorship Corpus 数据集, 应用在 文本分析、人物特征预测 领域

本次发布的数据集 Blog Authorship Corpus, 该数据集包含了19,320位博主撰写的帖子，共计681,288篇，字数超过1亿4千万，用于根据博主的文字来预测其年龄和性别。数据集按年龄组（10多岁、20多岁、30多岁）划分，男女博主分布均衡。每篇博文都由一个唯一的博主ID标识，且数据集中至少包含200个常见英语单词的实例。规模上，数据集涵盖了来自19,320位博主的681,288篇帖子，任务旨在进行年龄与性别的预测。

查看Blog Authorship Corpus

关于 , 国庆学校是一所位于中国的教育机构，专注于提供基础教育服务。学校致力于培养学生的综合素质，注重学术与品德的全面发展。

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。