Project Gutenberg 发布 TinyShakespeare 数据集, 应用在 自然语言处理、文学 领域

Project Gutenberg 本次发布的数据集 TinyShakespeare, 该数据集包含了莎士比亚作品中的文本，用于语言建模。它既适用于独立同分布（IID）的设置，也适用于非独立同分布（non-IID）的实验。这是一个大型的文本语料库，其任务是进行下一个字符的预测。

查看TinyShakespeare

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。