NLP 中文社区 - 数据集合集

📚 中文语料库精选

• CTB 7.0：中文树库项目，包含新闻语料与句法标注

  [查看相关教程](/tutorial/ctb-corpus)

• PKU Treebank：北京大学研发的中文依存句法语料库
  探索中文分词工具

• THUCNews：中文新闻语料库，常用于文本分类任务

  

🧠 预训练模型数据集

• BERT-wwm-chinese：基于中文语料的预训练模型
  了解模型微调方法

• RoBERTa-wwm-ext：扩展版中文预训练模型，更大规模语料支持
  对比中文模型性能

📊 行业应用数据集

• SIGHAN Bakeoff：中文手写识别数据集

  

• Chinese Web Question：中文网络问答数据集，用于问答系统研究
  查看数据集使用案例