@prefix adms: . @prefix dcat: . @prefix dct: . @prefix foaf: . @prefix ns1: . @prefix rdf: . @prefix skos: . @prefix spdx: . @prefix vcard: . @prefix xsd: . a dcat:Dataset ; dct:accrualPeriodicity [ a dct:Frequency ; rdf:value "epäsäännöllinen, irregular" ] ; dct:description "Aineisto koostuu koneoppimisessa käytettäväksi tarkoitetuista TF-IDF-datamatriiseista. Matriisit on koostettu dokumenttikorpuksista, jotka perustuvat 7400:aan Jyväskylän yliopiston digitaalisesta tietovarannosta kerättyyn maisterin ja tohtorin opinnäytetyöhön. Korpukset ovat suomen, ruotsin ja englannin kielillä.", "Dataset contains TF-IDF data matrices targeted for machine learning use. Matrices are generated from document corpora based on 7400 Master's and doctoral theses published in the years 2010 to 2017, collected from the University of Jyväskylä digital repository. There are corpora in Finnish, Swedish and English." ; dct:identifier "c48f5da1-e0b9-4d08-8861-b3633ad9cfbe" ; dct:issued "2021-02-24"^^xsd:date ; dct:publisher ; dct:spatial [ a dct:Location ; dct:identifier "jyväskylä" ] ; dct:title "Jyväskylän yliopiston opinnäytetöitä", "Theses from University of Jyväskylä" ; ns1:dateModified "2021-02-26T01:25:10.330047"^^xsd:dateTime, "2021-02-26T01:25:10.330047" ; ns1:datePublished "2021-02-24T13:37:42.333577"^^xsd:dateTime, "2021-02-24T13:37:42.333577" ; ns1:description "Aineisto koostuu koneoppimisessa käytettäväksi tarkoitetuista TF-IDF-datamatriiseista. Matriisit on koostettu dokumenttikorpuksista, jotka perustuvat 7400:aan Jyväskylän yliopiston digitaalisesta tietovarannosta kerättyyn maisterin ja tohtorin opinnäytetyöhön. Korpukset ovat suomen, ruotsin ja englannin kielillä." ; ns1:license "http://creativecommons.org/publicdomain/zero/1.0/" ; ns1:name "Jyväskylän yliopiston opinnäytetöitä" ; ns1:url "/data/en_GB/dataset/jyvaskylan-yliopiston-opinnaytetoita" ; dcat:contactPoint [ a vcard:Organization ; vcard:fn "Analytiikkaryhmä" ; vcard:hasEmail ] ; dcat:distribution [ a dcat:Distribution ; dct:description """Data matrix for training XMTC machine learning models (TF-IDF) with Snowball lemmatisation. Based on Swedish corpus. Textual data follows the Bag-of-Words feature file format of The Extreme Classification Repositoryn (http://manikvarma.org/downloads/XC/XMLRepository.html).\r \r The first line is formatted as:\r \r total_documents number_of_features number_of_labels\r \r All other lines represent one document per line:\r \r label1,label2,...,labelk ft1:ft1_val ft2:ft2_val ft3:ft3_val .. ftd:ftd_val\r \r i.e, comma-separated list of labels followed by all non-zero components of the TF-IDF vector given as component_number:value.""", """Datamatriisi XMTC-koneoppimismallien koulutukseen (TF-IDF) Snowball-lemmatisointiin perustuen. Perustuu ruotsinkieliseen korpukseen. Tekstimuotoinen data noudattaa The Extreme Classification Repositoryn käyttämää Bag-of-Words piirretiedostomuotoa (http://manikvarma.org/downloads/XC/XMLRepository.html).\r \r Ensimmäisen rivin muotoilu on:\r \r total_documents number_of_features number_of_labels\r \r Muut rivit esittävät yhden dokumentin per rivi:\r \r label1,label2,...,labelk ft1:ft1_val ft2:ft2_val ft3:ft3_val .. ftd:ftd_val\r \r ts., pilkuin erotettu lista luokista, jota seuraa kaikki nollasta poikkeavat komponentit TF-IDF-vektorista esitettynä pareina component_number:value.\r \r """ ; dct:format [ a dct:MediaTypeOrExtent ; rdf:value "TXT" ] ; dct:license ; dct:rights [ a dct:RightsStatement ; dct:description """Koulutusmatriisit on tuottanut CSC - Tieteen tietotekniikan keskus Oy. Alkuperäisen datan on kerännyt Kansalliskirjasto. Training matrices have been produced CSC - IT Center for Science Ltd. The original dataset has been collected by the National Library of Finland.""" ] ; dct:temporal [ a dct:PeriodOfTime ; dcat:endDate "2017-12-31"^^xsd:date ; dcat:startDate "2010-01-01"^^xsd:date ] ; dct:title "Data matrix for training XMTC machine learning models (TF-IDF) with Snowball lemmatisation (sv)", "Datamatriisi XMTC-koneoppimismallien koulutukseen (TF-IDF) Snowball-lemmatisointiin perustuen (sv)" ; spdx:checksum [ a spdx:Checksum ; spdx:algorithm spdx:checksumAlgorithm_sha1 ; spdx:checksumValue "7115eccc31c482ce9e45a6d1e5246c7b37f353f548f2f84790e8fe4a3e1df76d" ] ; adms:status [ a skos:Concept ; skos:prefLabel "current" ] ; dcat:accessURL ; dcat:byteSize 6901758.0 ; dcat:downloadURL ], [ a dcat:Distribution ; dct:description """Data matrix for training XMTC machine learning models (TF-IDF) without lemmatisation. Based on Swedish corpus. Textual data follows the Bag-of-Words feature file format of The Extreme Classification Repositoryn (http://manikvarma.org/downloads/XC/XMLRepository.html).\r \r The first line is formatted as:\r \r total_documents number_of_features number_of_labels\r \r All other lines represent one document per line:\r \r label1,label2,...,labelk ft1:ft1_val ft2:ft2_val ft3:ft3_val .. ftd:ftd_val\r \r i.e, comma-separated list of labels followed by all non-zero components of the TF-IDF vector given as component_number:value.""", """Datamatriisi XMTC-koneoppimismallien koulutukseen (TF-IDF) ilman lemmatisointia. Perustuu ruotsinkieliseen korpukseen. Tekstimuotoinen data noudattaa The Extreme Classification Repositoryn käyttämää Bag-of-Words piirretiedostomuotoa (http://manikvarma.org/downloads/XC/XMLRepository.html).\r \r Ensimmäisen rivin muotoilu on:\r \r total_documents number_of_features number_of_labels\r \r Muut rivit esittävät yhden dokumentin per rivi:\r \r label1,label2,...,labelk ft1:ft1_val ft2:ft2_val ft3:ft3_val .. ftd:ftd_val\r \r ts., pilkuin erotettu lista luokista, jota seuraa kaikki nollasta poikkeavat komponentit TF-IDF-vektorista esitettynä pareina component_number:value.\r \r """ ; dct:format [ a dct:MediaTypeOrExtent ; rdf:value "TXT" ] ; dct:license ; dct:rights [ a dct:RightsStatement ; dct:description """Koulutusmatriisit on tuottanut CSC - Tieteen tietotekniikan keskus Oy. Alkuperäisen datan on kerännyt Kansalliskirjasto. Training matrices have been produced CSC - IT Center for Science Ltd. The original dataset has been collected by the National Library of Finland.""" ] ; dct:temporal [ a dct:PeriodOfTime ; dcat:endDate "2017-12-31"^^xsd:date ; dcat:startDate "2010-01-01"^^xsd:date ] ; dct:title "Data matrix for training XMTC machine learning models (TF-IDF) without lemmatisation (sv)", "Datamatriisi XMTC-koneoppimismallien koulutukseen (TF-IDF) ilman lemmatisointia (sv)" ; spdx:checksum [ a spdx:Checksum ; spdx:algorithm spdx:checksumAlgorithm_sha1 ; spdx:checksumValue "713264f49aecc1e27a480bb39b0b4aa43147a3947cc60df1ec1d10a1923832e8" ] ; adms:status [ a skos:Concept ; skos:prefLabel "current" ] ; dcat:accessURL ; dcat:byteSize 9509949.0 ; dcat:downloadURL ], [ a dcat:Distribution ; dct:description """Data matrix for training XMTC machine learning models (TF-IDF) without lemmatisation. Based on English corpus. Textual data follows the Bag-of-Words feature file format of The Extreme Classification Repositoryn (http://manikvarma.org/downloads/XC/XMLRepository.html).\r \r The first line is formatted as:\r \r total_documents number_of_features number_of_labels\r \r All other lines represent one document per line:\r \r label1,label2,...,labelk ft1:ft1_val ft2:ft2_val ft3:ft3_val .. ftd:ftd_val\r \r i.e, comma-separated list of labels followed by all non-zero components of the TF-IDF vector given as component_number:value.""", """Datamatriisi XMTC-koneoppimismallien koulutukseen (TF-IDF) ilman lemmatisointia. Perustuu englanninkieliseen korpukseen. Tekstimuotoinen data noudattaa The Extreme Classification Repositoryn käyttämää Bag-of-Words piirretiedostomuotoa (http://manikvarma.org/downloads/XC/XMLRepository.html).\r \r Ensimmäisen rivin muotoilu on:\r \r total_documents number_of_features number_of_labels\r \r Muut rivit esittävät yhden dokumentin per rivi:\r \r label1,label2,...,labelk ft1:ft1_val ft2:ft2_val ft3:ft3_val .. ftd:ftd_val\r \r ts., pilkuin erotettu lista luokista, jota seuraa kaikki nollasta poikkeavat komponentit TF-IDF-vektorista esitettynä pareina component_number:value.\r \r """ ; dct:format [ a dct:MediaTypeOrExtent ; rdf:value "TXT" ] ; dct:license ; dct:rights [ a dct:RightsStatement ; dct:description """Koulutusmatriisit on tuottanut CSC - Tieteen tietotekniikan keskus Oy. Alkuperäisen datan on kerännyt Kansalliskirjasto. Training matrices have been produced CSC - IT Center for Science Ltd. The original dataset has been collected by the National Library of Finland.""" ] ; dct:temporal [ a dct:PeriodOfTime ; dcat:endDate "2017-12-31"^^xsd:date ; dcat:startDate "2010-01-01"^^xsd:date ] ; dct:title "Data matrix for training XMTC machine learning models (TF-IDF) without lemmatisation (en)", "Datamatriisi XMTC-koneoppimismallien koulutukseen (TF-IDF) ilman lemmatisointia (en)" ; spdx:checksum [ a spdx:Checksum ; spdx:algorithm spdx:checksumAlgorithm_sha1 ; spdx:checksumValue "d229bf2e111e15687550a0f5ab527d183442ceeec32f8d47c8190b94681b8bd5" ] ; adms:status [ a skos:Concept ; skos:prefLabel "current" ] ; dcat:accessURL ; dcat:byteSize 23258369.0 ; dcat:downloadURL ], [ a dcat:Distribution ; dct:description """Data matrix for training XMTC machine learning models (TF-IDF) with TNPP lemmatisation (Turku Neural Parser Pipeline). Based on a Finnish corpus. Textual data follows the Bag-of-Words feature file format of The Extreme Classification Repositoryn (http://manikvarma.org/downloads/XC/XMLRepository.html).\r \r The first line is formatted as:\r \r total_documents number_of_features number_of_labels\r \r All other lines represent one document per line:\r \r label1,label2,...,labelk ft1:ft1_val ft2:ft2_val ft3:ft3_val .. ftd:ftd_val\r \r i.e, comma-separated list of labels followed by all non-zero components of the TF-IDF vector given as component_number:value.""", """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).\r \r Ensimmäisen rivin muotoilu on:\r \r total_documents number_of_features number_of_labels\r \r Muut rivit esittävät yhden dokumentin per rivi:\r \r label1,label2,...,labelk ft1:ft1_val ft2:ft2_val ft3:ft3_val .. ftd:ftd_val\r \r ts., pilkuin erotettu lista luokista, jota seuraa kaikki nollasta poikkeavat komponentit TF-IDF-vektorista esitettynä pareina component_number:value.\r \r """ ; dct:format [ a dct:MediaTypeOrExtent ; rdf:value "TXT" ] ; dct:license ; dct:rights [ a dct:RightsStatement ; dct:description """Koulutusmatriisit on tuottanut CSC - Tieteen tietotekniikan keskus Oy. Alkuperäisen datan on kerännyt Kansalliskirjasto. Training matrices have been produced CSC - IT Center for Science Ltd. The original dataset has been collected by the National Library of Finland.""" ] ; dct:temporal [ a dct:PeriodOfTime ; dcat:endDate "2017-12-31"^^xsd:date ; dcat:startDate "2010-01-01"^^xsd:date ] ; dct:title "Data matrix for training XMTC machine learning models (TF-IDF) with TNPP lemmatisation (fi)", "Datamatriisi XMTC-koneoppimismallien koulutukseen (TF-IDF) TNPP-lemmatisointiin perustuen (fi)" ; spdx:checksum [ a spdx:Checksum ; spdx:algorithm spdx:checksumAlgorithm_sha1 ; spdx:checksumValue "91e79f0bb2e19d294ca3f2052bdd29c0f0bb044f8d70e4e7c7ffecec1a7a4619" ] ; adms:status [ a skos:Concept ; skos:prefLabel "current" ] ; dcat:accessURL ; dcat:byteSize 43872371.0 ; dcat:downloadURL ], [ a dcat:Distribution ; dct:description """Data matrix for training XMTC machine learning models (TF-IDF) with Voikko lemmatisation. Based on Finnish corpus. Textual data follows the Bag-of-Words feature file format of The Extreme Classification Repositoryn (http://manikvarma.org/downloads/XC/XMLRepository.html).\r \r The first line is formatted as:\r \r total_documents number_of_features number_of_labels\r \r All other lines represent one document per line:\r \r label1,label2,...,labelk ft1:ft1_val ft2:ft2_val ft3:ft3_val .. ftd:ftd_val\r \r i.e, comma-separated list of labels followed by all non-zero components of the TF-IDF vector given as component_number:value.""", """Datamatriisi XMTC-koneoppimismallien koulutukseen (TF-IDF) Voikko-lemmatisointiin perustuen. Perustuu suomenkieliseen korpukseen. Tekstimuotoinen data noudattaa The Extreme Classification Repositoryn käyttämää Bag-of-Words piirretiedostomuotoa (http://manikvarma.org/downloads/XC/XMLRepository.html).\r \r Ensimmäisen rivin muotoilu on:\r \r total_documents number_of_features number_of_labels\r \r Muut rivit esittävät yhden dokumentin per rivi:\r \r label1,label2,...,labelk ft1:ft1_val ft2:ft2_val ft3:ft3_val .. ftd:ftd_val\r \r ts., pilkuin erotettu lista luokista, jota seuraa kaikki nollasta poikkeavat komponentit TF-IDF-vektorista esitettynä pareina component_number:value.\r \r """ ; dct:format [ a dct:MediaTypeOrExtent ; rdf:value "TXT" ] ; dct:license ; dct:rights [ a dct:RightsStatement ; dct:description """Koulutusmatriisit on tuottanut CSC - Tieteen tietotekniikan keskus Oy. Alkuperäisen datan on kerännyt Kansalliskirjasto. Training matrices have been produced CSC - IT Center for Science Ltd. The original dataset has been collected by the National Library of Finland.""" ] ; dct:temporal [ a dct:PeriodOfTime ; dcat:endDate "2017-12-31"^^xsd:date ; dcat:startDate "2010-01-01"^^xsd:date ] ; dct:title "Data matrix for training XMTC machine learning models (TF-IDF) with Voikko lemmatisation (fi)", "Datamatriisi XMTC-koneoppimismallien koulutukseen (TF-IDF) Voikko-lemmatisointiin perustuen (fi)" ; spdx:checksum [ a spdx:Checksum ; spdx:algorithm spdx:checksumAlgorithm_sha1 ; spdx:checksumValue "8086b21254abc2278a008bb39a00b07e5db992d7e4b045dc473799e75495d992" ] ; adms:status [ a skos:Concept ; skos:prefLabel "current" ] ; dcat:accessURL ; dcat:byteSize 68923498.0 ; dcat:downloadURL ], [ a dcat:Distribution ; dct:description """Data matrix for training XMTC machine learning models (TF-IDF) with Snowball lemmatisation. Based on a English corpus. Textual data follows the Bag-of-Words feature file format of The Extreme Classification Repositoryn (http://manikvarma.org/downloads/XC/XMLRepository.html).\r \r The first line is formatted as:\r \r total_documents number_of_features number_of_labels\r \r All other lines represent one document per line:\r \r label1,label2,...,labelk ft1:ft1_val ft2:ft2_val ft3:ft3_val .. ftd:ftd_val\r \r i.e, comma-separated list of labels followed by all non-zero components of the TF-IDF vector given as component_number:value.""", """Datamatriisi XMTC-koneoppimismallien koulutukseen (TF-IDF) Snowball-lemmatisointiin perustuen. Perustuu englanninkieliseen korpukseen. Tekstimuotoinen data noudattaa The Extreme Classification Repositoryn käyttämää Bag-of-Words piirretiedostomuotoa (http://manikvarma.org/downloads/XC/XMLRepository.html).\r \r Ensimmäisen rivin muotoilu on:\r \r total_documents number_of_features number_of_labels\r \r Muut rivit esittävät yhden dokumentin per rivi:\r \r label1,label2,...,labelk ft1:ft1_val ft2:ft2_val ft3:ft3_val .. ftd:ftd_val\r \r ts., pilkuin erotettu lista luokista, jota seuraa kaikki nollasta poikkeavat komponentit TF-IDF-vektorista esitettynä pareina component_number:value.\r \r """ ; dct:format [ a dct:MediaTypeOrExtent ; rdf:value "TXT" ] ; dct:license ; dct:rights [ a dct:RightsStatement ; dct:description """Koulutusmatriisit on tuottanut CSC - Tieteen tietotekniikan keskus Oy. Alkuperäisen datan on kerännyt Kansalliskirjasto. Training matrices have been produced CSC - IT Center for Science Ltd. The original dataset has been collected by the National Library of Finland.""" ] ; dct:temporal [ a dct:PeriodOfTime ; dcat:endDate "2017-12-31"^^xsd:date ; dcat:startDate "2010-01-01"^^xsd:date ] ; dct:title "Data matrix for training XMTC machine learning models (TF-IDF) with Snowball lemmatisation (en)", "Datamatriisi XMTC-koneoppimismallien koulutukseen (TF-IDF) Snowball-lemmatisointiin perustuen (en)" ; spdx:checksum [ a spdx:Checksum ; spdx:algorithm spdx:checksumAlgorithm_sha1 ; spdx:checksumValue "5f57651990dfbd234501e942dee50181bd4cbf5eecd3093c83da9b9980f7f5ec" ] ; adms:status [ a skos:Concept ; skos:prefLabel "current" ] ; dcat:accessURL ; dcat:byteSize 16416522.0 ; dcat:downloadURL ] ; dcat:keyword "Doctoral dissertation", "English", "Finnish", "Masters thesis", "Swedish", "corpus", "englanti", "koneoppiminen", "korpus", "machine learning", "opinnäytetyö", "pro gradu", "ruotsi", "suomi", "thesis", "väitöskirja" ; dcat:landingPage . a foaf:Agent ; foaf:homepage "http://www.csc.fi" ; foaf:name "CSC", "CSC – IT Center For Science Ltd.", "CSC – Tieteen Tietotekniikan Keskus Oy" . a foaf:Document . a dct:LicenseDocument .