PAN 2011 competition 发布 PAN2011 数据集, 应用在 作者身份识别、文本挖掘 领域

PAN 2011 competition 本次发布的数据集 PAN2011, 该数据集基于恩隆邮件语料库，包含了为作者身份识别而标注了作者信息的电子邮件。为了保护隐私，个人姓名和电子邮件地址已经匿名处理。该数据集的规模包括72位作者，9337份训练文档以及1300份测试文档，其任务是进行作者分析。

查看PAN2011

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。