公开数据集
数据结构 ? 799.34M
Data Structure ?
* 以上分析是由系统提取分析形成的结果,具体实际数据为准。
README.md
# PTT 中文語料
嗨,這裡是 PTT 中文語料集,我透過[某些假設與方法](https://github.com/zake7749/PTT-Chat-Generator) 將每篇文章化簡為問答配對,其中問題來自文章的標題,而回覆是該篇文章的推文。
可惜的是目前這份資料集的噪聲還有點大,若您有更好的方法能提取出文章的問答配對,或發現這份資料集有什麼能改進的部份,還請與我聯繫,也祝各位開發順利 :>
## 資料說明
資料集一共有兩份,您可於 [PTT-Gossiping-Corpus](https://www.kaggle.com/zake7749/pttgossipingcorpus) 或是從本專案的 `data` 資料夾裡取得。
Gossiping-QA-Dataset.txt
蒐集了 PTT 八卦版於 2015 年至 2017 年 6 月的文章,每一行都是一個問答配對,問與答之間以一個 tab (`\t`) 區隔。目前共有 418,202 筆問答配對,但並不是所有配對都是有效的,因為有些文章並沒有推文,這類問題的回覆會被標記為`沒有資料`(共有 650 筆),使用時還請注意。
Gossiping-QA-Dataset-2_0.csv
擴充自 Gossiping-QA-Dataset.txt 的新版資料集,追加了部分 2018 與 2019 年的文章,一共包含了 774,114 筆問答配對。
資料格式調整為 csv,包含了兩個 columns: `question` 和 `answer`。
×
帕依提提提温馨提示
该数据集正在整理中,为您准备了其他渠道,请您使用
注:部分数据正在处理中,未能直接提供下载,还请大家理解和支持。
暂无相关内容。
暂无相关内容。
- 分享你的想法
去分享你的想法~~
全部内容
欢迎交流分享
开始分享您的观点和意见,和大家一起交流分享.
数据使用声明:
- 1、该数据来自于互联网数据采集或服务商的提供,本平台为用户提供数据集的展示与浏览。
- 2、本平台仅作为数据集的基本信息展示、包括但不限于图像、文本、视频、音频等文件类型。
- 3、数据集基本信息来自数据原地址或数据提供方提供的信息,如数据集描述中有描述差异,请以数据原地址或服务商原地址为准。
- 1、本站中的所有数据集的版权都归属于原数据发布者或数据提供方所有。
- 1、如您需要转载本站数据,请保留原数据地址及相关版权声明。
- 1、如本站中的部分数据涉及侵权展示,请及时联系本站,我们会安排进行数据下线。