机器学习与语料以官方为准
关键信息
内容与字段
数据集包含知乎用户个人主页信息，字段包括用户性别、所在地、个性签名等。
适用研究
可用于社交媒体用户画像、用户行为分析、自然语言处理等研究。
本卡由元数据起草，字段与许可以官方为准（待人工核验）。
关键词
自行获取的难点
获取大规模社交媒体用户数据时，常面临爬取成本高、数据合规性不确定等问题。
数据集库 · 机器学习与语料
10W+知乎用户数据集 10W+ Zhihu User Dataset
该数据集包含从知乎平台爬取的十万余条用户个人主页数据，涵盖性别、所在地、个性签名等属性。
相关数据集
同领域 · 机器学习与语料
机器学习与语料非商业研究
ImageNet 大规模图像库 ImageNet
全球计算机视觉研究的奠基性基准，逾千万张人工标注图像、两万余类目，自 2009 年起被学界与产业引为通用评测标尺。…
机器学习与语料依子语料
OPUS 开放平行语料库 OPUS · Open Parallel Corpus
规模最大的开放多语平行语料集合，逾千种语言、上千组语言对，是机器翻译与多语 NLP 的基础库。…
机器学习与语料开放 · 见条款
Common Crawl 网页语料 Common Crawl
覆盖全球公开网页、按月持续更新的 PB 级标准化 Web 归档语料，是大模型预训练与大规模文本研究的基础语料源。…
机器学习与语料CC0
OpenAlex 学术图谱 OpenAlex
完全开放的全球学术元数据库，收录数亿篇论文及其作者、机构、期刊、引用与主题关联，CC0 免费，是文献计量与科研知识图谱的开放替代。…