Finna-koulutuskorpukset
Datamatriisi XMTC-koneoppimismallien koulutukseen (TF-IDF) TNPP-lemmatisointiin perustuen (fi)
Datamatriisi XMTC-koneoppimismallien koulutukseen (TF-IDF) TNPP-lemmatisointiin (Turku Neural Parser Pipeline) perustuen. Perustuu suomenkieliseen korpukseen. Tekstimuotoinen data noudattaa The Extreme Classification Repositoryn käyttämää Bag-of-Words piirretiedostomuotoa (http://manikvarma.org/downloads/XC/XMLRepository.html).
Ensimmäisen rivin muotoilu on:
total_documents number_of_features number_of_labels
Muut rivit esittävät yhden dokumentin per rivi:
label1,label2,...,labelk ft1:ft1_val ft2:ft2_val ft3:ft3_val .. ftd:ftd_val
ts., pilkuin erotettu lista luokista, jota seuraa kaikki nollasta poikkeavat komponentit TF-IDF-vektorista esitettynä pareina component_number:value.
Förhandsgranskning
Inga förhandsgranskningar har skapats för denna dataresurs.
Ytterligare information
Format | TXT |
---|---|
Filstorlek | 1201899995 |
Datastatus | Aktuell version |
Tidsmässig täckning | - |
Data senast uppdaterad | 24 februari 2021 |
Metadata senast uppdaterad | 24 februari 2021 |
Skapad | 24 februari 2021 |
SHA256 | 8d71daa2c6c66d330c95099c04080ef5f4698835dd366fa156e1539c08891d1d |