数据集 | 5513w条外文电影评论数据(1900~2021.9)
数据集采集自Rotten Tomatoes网站， 含 10500部电影，5600万+ 用户评价！其中有 100 万+为精选评论！ 电影从20世纪初到2024年的都有！英语、法语、日语、 Hindi 以及许多其他语言的电影！ 该数据集的用途包括计算机科学自然语言处理，社会学文化演变、刻板印象，传播学等。...
社会科学
数据集 | arXiv网站 269w 学术论文元数据 (2007 ~ 2025)
在这些独特的全球挑战时期，从数据中高效提取洞察至关重要。为了使 arXiv 更加易于访问，我们在此提供一个免费的开源 Kaggle 管道，用于机器可读的 arXiv 数据集：一个包含 170 万篇文章的仓库，具有相关特征，如文章标题、作者、类别、摘要、全文 PDF 等。In these times of unique global challenges, efficient extraction of insights from data is essential. To help make the arXiv more accessible, we present a free, open pipeline on Kaggle to the machine-readable arXiv dataset: a repository of 1.7 million articles, with relevant features such as article titles, authors, categories, abstracts, full text PDFs, and more....
数据集 | 5112万条专利申请数据集(1985-2025)
5112万条专利申请数据集(1985-2025)...
opencc | 中文简体、繁体转换库
数据集 | 港股年报文本数据集(2007 ~ 2023.12)
...