巴黎电信学院 发布 A Large-scale Dataset of (Open Source) License Text Variants 数据集, 应用在 开源许可、文本分析 领域

巴黎电信学院 本次发布的数据集 A Large-scale Dataset of (Open Source) License Text Variants, 本数据集名为‘A Large-scale Dataset of (Open Source) License Text Variants’，由巴黎电信学院创建，包含650万份独特的开源软件许可证文件。数据集内容来源于Software Heritage档案，涵盖了常用以传达许可条款的文件版本。创建过程中，通过收集和去重处理，确保了数据的唯一性。该数据集主要用于开源许可的实证研究、自动化许可分类器的训练以及法律文本的自然语言处理分析，同时也支持历史和系统发育研究。

查看A Large-scale Dataset of (Open Source) License Text Variants

关于 巴黎电信学院 , 巴黎电信学院是法国一所专注于信息与通信技术领域的高等教育机构，提供从本科到博士的全面教育课程，并在科研和创新方面有显著成就。

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。