发布 Raschka Blog Corpus 数据集, 应用在 自然语言处理、模型评估 领域

本次发布的数据集 Raschka Blog Corpus, 该数据集包含了从一篇最新博客文章中提取的非重叠文本块，这些文本块被分割成了100个字符和1000个字符的片段。此外，该数据集由英文文本块组成，用于评估不同模型对原始文本的重建能力。在评估中，共使用了20个序列，任务的目的是从嵌入式中重建原始文本。

查看Raschka Blog Corpus

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。