发帖
雷达卡
Quora Duplicate Questions文本分类研究数据集 40万+问题重复对NLP训练测试资源
内容覆盖范围
数据集核心构成：包含超40万行潜在问题重复对样本，每条样本覆盖两个问题的专属ID、完整问题文本，以及标记两个问题是否语义重复的二进制标签is_duplicate（1为重复、0为不重复）。
适用研究场景：完全匹配文本对分类任务需求，支持语义等效模型训练、重复问题判别算法研发、NLP自然语言推理相关实验，可补充Jaccard相似度、共有词比例等手工词汇重叠特征，适配深度学习模型的特征融合训练需求。
版本溯源信息：该数据集由Quora团队2017年正式发布，核心发布人为Shankar Iyer 、Nikhil Dandekar 和 Kornél Csernai，是自然语言处理领域经典的公开研究数据集。
Quora Duplicate Questions 文本分类研究数据集.zip
(1.87 KB, 需要: RMB 2 元)
京公网安备 11010802022788号
