发布 Billion Word Benchmark 数据集, 应用在 自然语言处理、语料库 领域

本次发布的数据集 Billion Word Benchmark, 该数据集包含了大约8亿个词汇，这些词汇来源于2011年WMT新闻爬取数据。该数据集主要用于检索句子并计算TF-IDF值，以便为给定单词生成上下文词汇。其规模达到了8亿个单词，任务是对上下文词汇的生成。

查看Billion Word Benchmark

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。