Wikipedia 发布 Wikipedia Foundation Dataset 数据集, 应用在 自然语言处理、语言识别 领域

Wikipedia 本次发布的数据集 Wikipedia Foundation Dataset, 该数据集是从涵盖16种语言的维基百科数据集中筛选出来的一小部分，用于识别特定语言的神经元。此外，该数据集中的一部分也被用于评估在资源较少语言中的性能表现。该数据集涵盖了16种语言（包括英语、法语、西班牙语、越南语、印尼语、日语、中文、孟加拉语、印地语、泰米尔语、泰卢固语、马拉地语、乌尔都语、卡纳达语、马拉雅拉姆语和旁遮普语），其任务是识别特定语言的神经元。

查看Wikipedia Foundation Dataset

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。