史上最全《自然语言处理、知识图谱》相关语料大列表

• 1. NLP中文语料

• 1.10.1 人民日报&童话故事

• 1.10.2 CMRC2017

• 1.10.3 CMRC2018

• 1.10.4 CMRC2019

• 1.10.5 DRCD

• 1.10.6 C^3

• 1.10.7 ChiD

• 1.10.8 DuReader

• 1.9.1 580万百度知道社群问答

• 1.9.2 DuReader

• 1.9.3 细分领域知道问答数据集

• 1.9.4 社区问答数据集

• 1.8.1 LCQMC

• 1.8.2 ChineseSTS

• 1.8.3 ATEC蚂蚁金服语义相似度数据

• 1.7.1 携程网酒店评论数据

• 1.7.2 外卖评论数据

• 1.7.3 电商商品评论数据

• 1.7.4 微博情感数据（2类）

• 1.7.5 微博情感数据（4类）

• 1.7.6 电影评论评分数据

• 1.7.7 大众点评餐馆评论数据

• 1.7.8 Amazon商品评论数据

• 1.7.9 豆瓣电影评论数据

• 1.7.10 大众点评用户评论（2类）

• 1.7.11 京东用户评论数据

• 1.6.1 好大夫医疗对话数据集

• 1.6.2 中文医疗对话数据集

• 1.5.1 CLUEWSC2020

• 1.4.1 SiGHAN2005分词数据集

• 1.4.2 MSRA命名实体识别数据集

• 1.4.3 人民日报命名实体识别数据集

• 1.4.4 微博命名实体识别数据集

• 1.4.5 影视-音乐-书籍实体标注数据

• 1.4.6 BosonNLP NER数据

• 1.4.7 cluener 细粒度实体识别数据集

• 1.4.8 人民日报2014NER标注数据

• 1.4.9 1998年1月-6月人民日报标注语料

• 1.3.1 2018法研杯

• 1.3.2 今日头条中文新闻（短文本）分类数据集

• 1.3.3 清华新闻分类语料

• 1.3.4 SMP2017中文人机对话评测数据

• 1.3.5 中国新闻网新闻分类语料

• 1.3.6 凤凰网新闻分类语料

• 1.2.1 中国古代人物传记数据库(CBDB)

• 1.1.1 人民日报新闻数据

• 1.1.2 微信公众号语料库

• 1.1 生语料

• 1.2 结构化数据

• 1.3 文本分类数据集

• 1.4 序列标注数据集（分词、命名实体识别、词性标注等）

• 1.5 指代消解

• 1.6 对话

• 1.7 情感分析

• 1.8 语义相似度（文本蕴含）

• 1.9 问答

• 1.10 阅读理解

• 2. NLP外文语料

• 2.9.1 BigPatent

• 2.8.1 HotpotQA

• 2.8.2 SQuAD v2.0

• 2.7.1 MS MARCO

• 2.6.1 PAWS

• 2.6.2 DNLI

• 2.6.3 MultiNLI

• 2.6.4 XNLI

• 2.6.5 SNLI

• 2.6.6 Quora Question Pairs

• 2.5.1 Europarl

• 2.5.2 United Nations Parallel Corpus

• 2.5.3 News-Commentary

• 2.5.4 wikititles

• 2.5.5 Ted Talk

• 2.5.6 中英翻译数据集

• 2.4.1 DAWT

• 2.3.1 Twitter Chat Corpus

• 2.2.1 MovieTweetings

• 2.2.2 Amazon Fine Food Reviews

• 2.2.3 Amazon Reviews

• 2.2.4 Yelp Open Dataset

• 2.2.5 MovieLens

• 2.1.1 Fake News Corpus

• 2.1.2 AG News

• 2.1.3 ColBERT

• 2.1 文本分类数据集

• 2.2 情感分析

• 2.3 对话

• 2.4 序列标注数据集（分词、命名实体识别、词性标注等）

• 2.5 机器翻译

• 2.6 语义相似度（文本蕴含）

• 2.7 问答

• 2.8 阅读理解

• 2.9 文本摘要

• 3. 语言资源

• 3.2.1 百科词条名

• 3.2.2 360万中文词库（包含词性和词频）

• 3.2.3 谷歌书籍N-gram数据

• 3.1.1 百科实体

• 3.1.2 中国古代编年史CBDB实体

• 3.1 实体类

• 3.2 词典类

• 4. KG数据

• 4.1 百科三元组

• 4.2 Dbpedia

• 4.3 OpenKG

https://github.com/SimmerChan/corpus

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“FANG” 可以获取《NUS《图表示假新闻检测》》论文专知下载链接索引

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源