腾讯 发布 CSCD-NS 数据集, 应用在 中文拼写检查、自然语言处理 领域

腾讯 本次发布的数据集 CSCD-NS, CSCD-NS是首个专为中文母语者设计的中文拼写检查数据集，由腾讯微信人工智能团队创建。该数据集包含40,000个样本，源自中文社交媒体平台，具有大规模和高质量的特点。创建过程中，研究团队采用了一种新颖的方法，通过模拟输入法输入过程生成伪数据，以更真实地反映实际错误分布。CSCD-NS主要用于提升中文母语者的拼写检查技术，解决现有数据集在规模和错误类型上的不足。

查看CSCD-NS

README 内容： 

关于 腾讯 , 腾讯是一家总部位于中国的跨国科技公司，主要业务包括社交网络、互联网服务、移动支付、娱乐和人工智能等。

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。