大きなテキストコーパスはどこにありますか？[閉まっている]

16

閉まっている。この質問はトピック外です。現在、回答を受け付けていません。

この質問を改善したいですか？ 質問を更新して、相互検証のトピックになるようにします。

6年前に閉鎖されました。

ダウンロードする大きな（1000を超える）テキストコーパスを探しています。できれば世界のニュースやある種の報告書を使って。私は特許を持つものを見つけました。助言がありますか？

dataset

— Dimitar Vouldjeff
ソース

このスレッドは話題から外れているようです。meta.stats.stackexchange.com/questions/1032/…を参照してください。

— whuber

それはデータセットを見つけることではなく、統計的な分析を行うことについてですので、この質問は、オフトピックのように見える

— 復活モニカ-ピーターFlom

2

このQ＆Aは非常に役立つため、それは厄介です。

— サイドショーボブ14年

@guaka、そのような小さな編集、特に閉じられている投稿のために、そのような古い投稿をぶつけないでください。私たちのスタイルの好みは「感謝」をすることではないのは事実ですが、このマイナーなものについては、そのままにしておきます。

— gung-モニカの復職

9

ウィキリークスのテキストはあなたに合っていませんか？

— アダモ
ソース

しかし、どのように私は.TXTでそれらをダウンロードすることができ

— ディミタールVouldjeff

6

何についてのウィキ？ここに私が見つけた最新のデータベースダンプがあります：http : //dumps.wikimedia.org/enwikinews/20111120/

「すべてのページ、現在のバージョンのみ」のバージョンが必要でしょう。

— モグロン
ソース

これはもう機能しません。

— vy32

ダンプリンクが機能しなくなりました。地域ごとのデータセットが小さく、時代遅れ

— HappyCoding

6

ロイターのテキストコーパスは、この分野の古典であり、ここで見つけることができます

— リッチーモリスロー
ソース

最も興味深い（または多様な）コーパスではありません。このライセンスは、Wikileaks（パブリックドメインの米国文書）またはwikinewsに対しても制限があります。

— アリデル

@ariddellは同意しますが、一般的なNLPの例で使用されており、学習に役立つのに十分な大きさですが、優れたラップトップで分析するには十分に小さいです。

— -richiemorrisroe

3

http://endb-consolidated.aihit.com/datasets.htmには、テキストによる説明を含む1万社が含まれています

— 百合
ソース

現在は古くなっています

— -Quonux

1

最新性が問題にならない場合は、試すことができます

http://www.infochimps.com/datasets/20-newsgroups-dataset-de-duped-version

予算に応じて、infochimpにはさらに多くの同様のデータセットがあります。

よろしく、アンディ。

— ドランラウ
ソース

これはもはや機能しません

— vy32

1

事前計算されたn-gramが必要な場合は、Googleブックスアーカイブを試すことができます。

http://books.google.com/ngrams/datasets

— TDC
ソース

これはどのように使用できますか？

— HappyCoding