发布于 2013-05-21 13:14:00
你试过使用Reuters21578吗?它是最常见的文本分类数据集。它是用SGML格式化的,但是解析和转换到txt格式非常简单。
发布于 2011-11-20 16:01:02
您可以构建它,您可以编写Python/Perl/PHP脚本,在其中运行搜索,然后当您找到答案时,您可以使用regex隔离属性.我认为这是最好的选择。这并不容易,但应该是有趣的,最后你可以与我们分享这个数据集。
https://stackoverflow.com/questions/8184254
复制相似问题