# 中文NLP数据集
这是一个各类中文NLP数据集的集合，旨在把各种不同用途的中文语料收集起来，方便自己以及亲们使用^_^。
## 已收录数据集
### ATEC语义相似度学习赛数据集
比赛链接：https://dc.cloud.alipay.com/index#/topic/ranking?id=8
数据集类型：语义相似度
保存目录：`ATEC`
### CCKS 2018 微众银行智能客服问句匹配大赛数据集
比赛链接：https://biendata.com/competition/CCKS2018_3/leaderboard/
数据集类型：语义相似度
保存目录：`CCKS_2018_3`
### ATEC + CCKS 2018 组合数据集
由于ATEC比赛和CCKS 2018比赛提供的语料都是互金客服场景下的语料，所以把两个数据集的语料合并到了一起，基于分层抽样划分了出了训练集、验证集和测试集，其中：
- 训练集、验证集和测试集的正类比例均为34%左右
- 训练集：约24W样本
- 验证集：1W样本
- 测试集：1W样本
数据集类型：语义相似度
保存目录：ATEC_CCKS
### 哈工大BQ_corpus数据集
数据集地址：http://icrc.hitsz.edu.cn/info/1037/1162.htm
数据集类型：语义相似度
保存目录：`BQ_corpus`
### 哈工大LCQMC数据集
数据集地址：http://icrc.hitsz.edu.cn/Article/show/171.html
数据集类型：语义相似度
保存目录：`LCQMC`
各类中文NLP数据集的集合
157 浏览量
2023-11-26
13:00:23
上传
评论 2
收藏 44.37MB ZIP 举报
各类中文NLP数据集的集合.zip （43个子文件） 
各类中文NLP数据集的集合 NLP_Datasets CCKS_2018_3 
task3_sample_submission.csv 77KB
task3_dev.txt 753KB task3_train.txt 7.11MB task3_test_data_expand test_with_id.txt 8.26MB Readme 623B ATEC atec_nlp_sim_train_add.csv 5.43MB atec_nlp_sim_train.csv 3.36MB LCQMC dev.txt 683KB test.txt 770KB train.txt 15.97MB ATEC_CCKS dev.csv 776KB train.csv 13.82MB test.csv 776KB .git index 2KB HEAD 23B refs heads master 41B tags remotes origin HEAD 32B objects pack pack-54b57b1427209b77e3bb88eb1cc2c403d92a1660.pack 21.64MB pack-54b57b1427209b77e3bb88eb1cc2c403d92a1660.idx 2KB info description 73B packed-refs 114B info exclude 240B logs HEAD 178B refs heads master 178B remotes origin HEAD 178B hooks post-update.sample 189B prepare-commit-msg.sample 1KB commit-msg.sample 896B pre-receive.sample 544B update.sample 4KB pre-commit.sample 2KB pre-rebase.sample 5KB applypatch-msg.sample 478B fsmonitor-watchman.sample 5KB push-to-checkout.sample 3KB pre-applypatch.sample 424B pre-push.sample 1KB pre-merge-commit.sample 416B config 307B BQ_corpus dev.csv 725KB train.csv 7.11MB test.csv 728KB README.md 1KB资源评论
