corpus-dataset Goto Github PK

agriculture_knowledgegraph

农业知识图谱(AgriKG)：农业领域的信息检索，命名实体识别，关系抽取，智能问答，辅助决策

alldatapackages

分词、词表、核心词典、停用词、敏感词、问答、问答数据、知识图谱 等

arxiv-public-datasets

A set of scripts to grab public datasets from resources related to arXiv

awesome-dataset-tools

🔧 A curated list of awesome dataset tools

awesome_chinese_medical_nlp

中文医学NLP公开资源整理：术语集/语料库/词向量/预训练模型/知识图谱/命名实体识别/QA/信息抽取/模型/论文/etc

cdial-gpt

A Large-scale Chinese Short-Text Conversation Dataset and Chinese pre-training dialog models

chinese-cloze-rc

A Chinese Cloze-style RC Dataset: People's Daily & Children's Fairy Tale (CFT)

chinese-medical-dialogue-data

Chinese medical dialogue data 中文医疗对话数据集

chinese-names-corpus

中文人名语料库。人名生成器。中文姓名,姓氏,名字,称呼,日本人名,翻译人名,英文人名。可用于中文分词、人名实体识别。

chinese-nlp-corpus

Collections of Chinese NLP corpus

chinese-xinhua

中华新华字典数据库。包括歇后语，成语，汉字。提供新华字典API。

chinese_chatbot_corpus

中文公开聊天语料库

chinese_entity_linking

chinese_medical_nlp

中文医疗NLP领域 数据集，论文 集合

chinesediachroniccorpus

ChineseDiachronicCorpus，中文历时语料库，横跨六十余年，包括腾讯历时新闻2000-2016，人民日报历时语料1946-2003，参考消息历时语料1957-2002。基于历时流通语料库，可用于历时语言变化计算、语言监测、社会文化变迁研究提供基础性的语料支持。

chinesenlpcorpus

中文自然语言处理数据集，平时做做实验的材料。欢迎补充提交合并。

chinesesubjectrecognition

人机对话场景下的句子主体识别

clue

中文任务基准测评 datasets, baselines, pre-trained models, corpus and leaderboard

cluedatasetsearch

搜索所有中文NLP数据集，附常用英文NLP数据集

cluener2020

CLUENER2020 中文细粒度命名实体识别 Fine Grained Named Entity Recognition

company-names-corpus

公司名语料库。机构名语料库。公司简称,缩写,品牌词,企业名。可用于中文分词、机构名实体识别。

corpus

古典中文語料庫

corpus-1

自然语言处理，知识图谱相关语料。按照Task细分，欢迎PR。

couplet-dataset

Dataset for couplets. 70万条对联数据库。

crosswoz

A Large-Scale Chinese Cross-Domain Task-Oriented Dialogue Dataset

daizhigev20

殆知阁古代文献

ecsd

E-Commerce Sentiment Dict

eventsources

Real time event sources

financialdatasets

SmoothNLP 金融文本数据集(公开) Public Financial Datasets for NLP Researches Only

funnlp

中英文敏感词、语言检测、中外手机/电话归属地/运营商查询、名字推断性别、手机号抽取、身份证抽取、邮箱抽取、中日文人名库、中文缩写库、拆字词典、词汇情感值、停用词、反动词表、暴恐词表、繁简体转换、英文模拟中文发音、汪峰歌词生成器、职业名称词库、同义词库、反义词库、否定词库、汽车品牌词库、汽车零件词库、连续英文切割、各种中文词向量、公司名字大全、古诗词库、IT词库、财经词库、成语词库、地名词库、历史名人词库、诗词词库、医学词库、饮食词库、法律词库、汽车词库、动物词库、中文聊天语料、中文谣言数据、百度中文问答数据集、句子相似度匹配算法集合、bert资源、文本生成&摘要相关工具、cocoNLP信息抽取工具、国内电话号码正则匹配、清华大学XLORE:中英文跨语言百科知识图谱、清华大学人工智能技术系列报告、自然语言生成、NLU太难了系列、自动对联数据及机器人、用户名黑名单列表、罪名法务名词及分类模型、微信公众号语料、cs224n深度学习自然语言处理课程、中文手写汉字识别、中文自然语言处理 语料/数据集、变量命名神器、分词语料库+代码、任务型对话英文数据集、ASR 语音数据集 + 基于深度学习的中文语音识别系统、笑声检测器、Microsoft多语言数字/单位/如日期时间识别包、中华新华字典数据库及api(包括常用歇后语、成语、词语和汉字)、文档图谱自动生成、SpaCy 中文模型、Common Voice语音识别数据集新版、神经网络关系抽取、基于bert的命名实体识别、关键词(Keyphrase)抽取包pke、基于医疗领域知识图谱的问答系统、基于依存句法与语义角色标注的事件三元组抽取、依存句法分析4万句高质量标注数据、cnocr：用来做中文OCR的Python3包、中文人物关系知识图谱项目、中文nlp竞赛项目及代码汇总、中文字符数据、speech-aligner: 从“人声语音”及其“语言文本”产生音素级别时间对齐标注的工具、AmpliGraph: 知识图谱表示学习(Python)库：知识图谱概念链接预测、Scattertext 文本可视化(python)、语言/知识表示工具：BERT & ERNIE、中文对比英文自然语言处理NLP的区别综述、Synonyms中文近义词工具包、HarvestText领域自适应文本挖掘工具（新词发现-情感分析-实体链接等）、word2word：(Python)方便易用的多语言词-词对集：62种语言/3,564个多语言对、语音识别语料生成工具：从具有音频/字幕的在线视频创建自动语音识别(ASR)语料库。