产品简介
couplet-dataset 这是一个对联数据集，包含超过70万条已清理的对联，适用于训练seq2seq模型来生成对联。解决了中文对联数据稀缺和清洗困难的问题，适合机器学习研究者和自然语言处理开发者使用。
核心功能
- 数据量超过70万条对联
- 数据经过清理，可直接用于模型训练
- 提供训练集和测试集文件
- 包含词汇表，支持seq2seq模式
- 也可从HuggingFace获取
快速开始
- 访问指定链接下载couplet.tar.gz文件
- 解压文件到本地目录
- 使用train/in.txt和train/out.txt进行模型训练
界面预览
与其他方案对比
| 对比项 | couplet-dataset | 同类方案 |
|---|---|---|
| 数据量 | 超过70万条清洁对联 | 其他数据集可能数据量较少或未清洗 |
| 易用性 | 提供格式化数据，直接可用于训练 | 需要自行爬取和清洗数据 |
适合谁用
- 需要训练对联生成模型的机器学习研究者
- 开发中文NLP应用的软件工程师
- 学习自然语言处理的学生
下载与版本
当前最新版本为 1.0，发布于 2018-02-24。支持 Linux。点击页面「下载软件」按钮即可下载打包好的版本，根据你的电脑/手机系统来选择对应的软件。
注意事项
- 本工具仅供学习和研究使用，请遵守相关法律法规。
- 请尊重内容创作者版权，勿将下载内容用于商业或非法传播。
- 项目源码地址：https://github.com/wb14123/couplet-dataset