Data Structure ?
799.34M
Data Structure ?
*The above analysis is the result extracted and analyzed by the system, and the specific actual data shall prevail.
README.md
# PTT 中国語コーパス
こんにちは、ここは PTT 中国語コーパス集です。私は[いくつかの仮定と方法](https://github.com/zake7749/PTT-Chat-Generator)を通じて、各記事を質問と回答のペアに簡素化しました。ここで、質問は記事のタイトルから来て、回答はその記事のつぶやきです。
残念ながら、現在このデータセットのノイズはまだ少し大きいです。もしあなたに記事の質問と回答のペアを抽出するより良い方法がある場合、またはこのデータセットに改善すべき部分があることに気づいた場合、私に連絡してください。そして、皆さんの開発が順調に進むことを祈っています :>
## データ説明
データセットは合計2つあります。あなたは [PTT-Gossiping-Corpus](https://www.kaggle.com/zake7749/pttgossipingcorpus) から、またはこのプロジェクトの `data` フォルダから取得することができます。
Gossiping-QA-Dataset.txt
このファイルには、PTT ゴシップ板の 2015 年から 2017 年 6 月までの記事が収集されています。各行は1つの質問と回答のペアで、質問と回答はタブ (`\t`) で区切られています。現在、合計 418,202 件の質問と回答のペアがありますが、すべてのペアが有効なわけではありません。なぜなら、一部の記事にはつぶやきがないため、このような質問の回答は`データなし`とマークされます（合計 650 件）。使用する際には注意してください。
Gossiping-QA-Dataset-2_0.csv
これは Gossiping-QA-Dataset.txt を拡張した新しいバージョンのデータセットで、2018 年と 2019 年の一部の記事が追加されています。合計 774,114 件の質問と回答のペアが含まれています。
データ形式は csv に調整され、`question` と `answer` の 2 つの列が含まれています。
×
The dataset is currently being organized and other channels have been prepared for you. Please use them
The dataset is currently being organized and other channels have been prepared for you. Please use them
Note: Some data is currently being processed and cannot be directly downloaded. We kindly ask for your understanding and support.
No content available at the moment
No content available at the moment
- Share your thoughts
Go share your ideas~~
ALL
Welcome to exchange and share
Your sharing can help others better utilize data.
Data usage instructions:
I. Data Source and Display Explanation:
- 1. The data originates from internet data collection or provided by service providers, and this platform offers users the ability to view and browse datasets.
- 2. This platform serves only as a basic information display for datasets, including but not limited to image, text, video, and audio file types.
- 3. Basic dataset information comes from the original data source or the information provided by the data provider. If there are discrepancies in the dataset description, please refer to the original data source or service provider's address.
II. Ownership Explanation:
- 1. All datasets on this site are copyrighted by their original publishers or data providers.
III. Data Reposting Explanation:
- 1. If you need to repost data from this site, please retain the original data source URL and related copyright notices.
IV. Infringement and Handling Explanation:
- 1. If any data on this site involves infringement, please contact us promptly, and we will arrange for the data to be taken offline.
- 1. The data originates from internet data collection or provided by service providers, and this platform offers users the ability to view and browse datasets.
- 2. This platform serves only as a basic information display for datasets, including but not limited to image, text, video, and audio file types.
- 3. Basic dataset information comes from the original data source or the information provided by the data provider. If there are discrepancies in the dataset description, please refer to the original data source or service provider's address.
- 1. All datasets on this site are copyrighted by their original publishers or data providers.
- 1. If you need to repost data from this site, please retain the original data source URL and related copyright notices.
- 1. If any data on this site involves infringement, please contact us promptly, and we will arrange for the data to be taken offline.
VIP Download(0.24/day)
Download
0 
350
2
0
collect
Share