Где найти большой текстовый корпус? [закрыто]

16

Я ищу большой (> 1000) текстовый корпус для загрузки. Желательно с мировыми новостями или какими-то репортажами . Я нашел только один с патентами. Какие-либо предложения?

dataset 
— Dimitar Vouldjeff
источник
Эта тема, кажется, не по теме. См. Meta.stats.stackexchange.com/questions/1032/… .
— whuber
Этот вопрос, по-видимому, не по теме, потому что речь идет о поиске набора данных, а не о статистическом анализе
— Питер Флом - Восстановить Монику
2
Ну, это неловко, потому что эти вопросы и ответы действительно полезны.
— Сайд-шоу Боб
@guaka, пожалуйста, не ударяйте такие старые сообщения за такие незначительные правки, особенно сообщение, которое закрыто. Это правда, что наше предпочтение стиля не в том, чтобы иметь «спасибо», а в чем-то таком незначительном, мы бы просто оставили это.
— gung - Восстановить Монику

Ответы:

6

А как насчет викиновостей ? Вот последний дамп базы данных, который я смог найти: http://dumps.wikimedia.org/enwikinews/20111120/

Возможно, вам нужна версия «Все страницы, только текущие версии».

— mogron
источник
Это больше не работает.
— vy32
ссылка на дамп больше не работает. набор данных по регионам мал и устарел
— HappyCoding
6

Reuters Text Corpus является классикой в ​​этой области, и можно найти здесь

— richiemorrisroe
источник
Это не самый интересный (или разнообразный) корпус. Лицензия также ограничительна относительно Wikileaks (общедоступные документы США) или викиновостей.
— Аридделл
@ariddell Я согласен, но он обычно используется во вводных примерах НЛП, и он достаточно большой, чтобы быть полезным в обучении, но достаточно мал, чтобы его можно было проанализировать на хорошем ноутбуке.
— richiemorrisroe
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.