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

Kypsyysaste: Voimassa

URL: https://www.avoindata.fi/data/dataset/ce9fdd58-e128-4755-8155-3709f68cc6d7/resource/c04fec54-fbd0-4c03-bc0a-03dc09b34881/download/kirjastonhoitaja_all-fi-voikko.sparse

Datamatriisi XMTC-koneoppimismallien koulutukseen (TF-IDF) Voikko-lemmatisointiin perustuen. 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
24. helmikuu, 2021
Luotu
24. helmikuu, 2021
Muoto
TXT
Lisenssi
Creative Commons CCZero 1.0

Tekniset lisätiedot

Nimi
Datamatriisi XMTC-koneoppimismallien koulutukseen (TF-IDF) Voikko-lemmatisointiin perustuen
Tiedostokoko
5125243
Aineiston tila
Voimassa
Sijaintikoordinaattien muoto
upload
SHA256
deae8c8d3e41364f051dbe9ffae908b8f1883b855f971661907fc3392bcbbaac