Datamatriisi (test) XMTC-koneoppimismallien koulutukseen (TF-IDF) Voikko-lemmatisointiin perustuen

Kypsyysaste: Voimassa

URL: https://www.avoindata.fi/data/dataset/ce9fdd58-e128-4755-8155-3709f68cc6d7/resource/1e8281dc-21ad-4e3a-9566-af5294313072/download/kirjastonhoitaja-test-lc-voikko.txt.sparse

Datamatriisi XMTC-koneoppimismallien koulutukseen (TF-IDF) Voikko-lemmatisointiin perustuen. Sisältää vain test-alijoukon korpuksesta. 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.

Data-aineistolle ei ole lisätty esikatselunäkymiä.

Lisätietoja

Viimeksi päivitetty
21. joulukuu, 2020
Luotu
21. joulukuu, 2020
Muoto
TXT
Lisenssi
Creative Commons CCZero 1.0

Tekniset lisätiedot

Nimi
Datamatriisi (test) XMTC-koneoppimismallien koulutukseen (TF-IDF) Voikko-lemmatisointiin perustuen
Tiedostokoko
416074
Aineiston tila
Voimassa
Sijaintikoordinaattien muoto
upload
SHA256
c9fb56bcdb8c25617a98f295c09312700fb723be1d847b2294f4a49193ad9ad0