Common Crawl 发布 FastText-CC 数据集, 应用在 自然语言处理、人工智能偏见分析 领域

Common Crawl 本次发布的数据集 FastText-CC, 该数据集为300维的FastText嵌入模型，该模型在经过筛选和去重处理的Common Crawl数据集上进行了预训练。FastText嵌入在低资源自然语言处理任务中得到了广泛应用。该数据集的规模基于筛选和去重后的Common Crawl数据，其研究任务是对青少年在人工智能表征中的偏见分析。

查看FastText-CC

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。