Wikipedia 发布 Wiki 数据集, 应用在 文本分析、自然语言处理 领域

Wikipedia 本次发布的数据集 Wiki, 该数据集是从维基百科文章中抽取的一个子集，旨在训练主题分割模型，它放宽了主题限制，包含了多样化的文章内容。该数据集被划分为训练集、验证集和测试集，分布比例为80%、10%和10%。规模上，该数据集包含20,000个文档，其任务是进行主题分割。

查看Wiki

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。