nlp-datasets：用于自然语言处理（NLP）的带有文本数据的自由公共领域数据集的字母顺序列表

nlp数据集 自由/公共领域数据集的字母顺序列表，其中包含用于自然语言处理（NLP）的文本数据。 如果您正在寻找带注释的语料库或树库，请参阅底部的源，此处的大多数内容只是原始的非结构化文本数据。 数据集（英语，多语言） ：截至2011年7月11日的所有公共可用Apache Software Foundation邮件档案（200 GB） ：包括2004年8月从blogger.com收集的19,320个博客作者的帖子。681,288个帖子和超过1.4亿个单词。 （298 MB） 由568454条食品评论亚马逊用户留给了2012年10月。 （240 MB） ：斯坦福大学收藏了3500万条亚马逊评论。 （11 GB） ：存档的所有论文均为全文（270 GB）+源文件（190 GB）。 人物按内容分类的社交媒体消息。 （4 MB） ：两种类型的学生文章的年度扩展语料库：论文和评论。