Dataset

一个用于数据分析和研究的结构化数据集存档，提供聚合和清理的数据资源。

把 350 万条 Midjourney 提示词，放进一张可视化图里

收集并上传聊天机器人数据集的对话。

一个用于提示工程和 AI 功能开发的协作工作空间。

一个开源仓库，存档了 2020 年的《经济学人》文章，为分析和研究提供结构化新闻数据。

用于自动收集和分享聊天机器人对话的扩展程序，供开源使用。

获取准确、完整、可供使用的数据集

AI 项目的面部生物识别数据集。

Grably：将您的数据出售给人工智能公司，获取多样化的 AI 训练数据集。

MNIST 数据集以 CSV 格式提供，适用于机器学习和图像分类任务。

SQuAD 是一个用于训练和评估问答 AI 模型的阅读理解数据集，包含可回答和不可回答的问题版本。

一个用于数据集创建和分析的 Git 仓库公共存档，支持代码研究和开源项目。

一个用于垃圾邮件分类的公开数据集，包含4601个实例和57个特征，适用于机器学习任务。

一个包含10亿单词的语言建模基准数据集，提供训练/测试数据和基线模型输出，用于可重复的研究。

一个用于情感分析的中文情感数据集，源自人机对话日志并使用结巴分词工具进行分词。

斯坦福情感树库，一个用于情感分析的数据集和工具，采用深度学习进行语义组合性分析，集成于 CoreNLP。

一个公开的谷歌趋势数据集，以 CSV 格式提供，可在 GitHub 上获取用于分析和研究。

一个包含 2006 年亚马逊产品共同购买网络和评论的数据集，适用于研究和分析。

一个用于中文缩写预测的数据集，包含否定全称形式，专为自然语言处理学术研究发布。

一个中文阅读理解数据集，包含完形填空式查询，涵盖人民日报和儿童童话数据，用于自然语言处理研究。

CIFAR-10 和 CIFAR-100 是用于计算机视觉和机器学习的标注图像数据集，包含 60,000 张 32x32 彩色图像，分为 10 或 100 个类别。

HetRec 2011 数据集，包含来自 1,892 名用户的 92,800 条艺术家收听记录，用于音乐推荐研究。

包含超过 5600 万条中文人名的语料库，用于人名识别、生成等自然语言处理任务。

一个用于二元情感分类的大型数据集，包含 50,000 条极性电影评论，适用于 NLP 和机器学习的训练与测试。