15 အကောင်းဆုံး NLP Datasets များကို သင့်အား သဘာဝဘာသာစကား စီမံဆောင်ရွက်ပေးခြင်းပုံစံများကို လေ့ကျင့်ပေးသည်။

သဘာဝဘာသာစကားလုပ်ဆောင်ခြင်းသည် machine learning armour တွင် အရေးကြီးသောအပိုင်းတစ်ခုဖြစ်သည်။ သို့သော်၊ မော်ဒယ်ကို ကောင်းမွန်စွာလုပ်ဆောင်နိုင်စေရန်အတွက် ၎င်းသည် များပြားလှသော အချက်အလက်နှင့် လေ့ကျင့်မှုများ လိုအပ်ပါသည်။ NLP ၏ အရေးပါသော ပြဿနာများထဲမှတစ်ခုမှာ domain အတွင်းရှိ စိတ်ဝင်စားဖွယ်ရာ နယ်ပယ်များစွာကို လွှမ်းခြုံနိုင်သော လေ့ကျင့်ရေးဒေတာအတွဲများ မရှိခြင်းပင်ဖြစ်သည်။

သင်သည် ဤကျယ်ပြန့်သောနယ်ပယ်တွင် စတင်လုပ်ကိုင်နေပါက၊ သင်၏ဒေတာအတွဲများကို ဖန်တီးရန် ၎င်းသည် စိန်ခေါ်မှုရှိပြီး လက်တွေ့တွင် မလိုအပ်တော့သည်ကို သင်တွေ့ရှိနိုင်သည်။ အထူးသဖြင့် အရည်အသွေးတွေ ရှိလာတဲ့အခါ NLP ၎င်းတို့၏ ရည်ရွယ်ချက်အပေါ် အခြေခံ၍ သင်၏ စက်သင်ယူမှု မော်ဒယ်များကို လေ့ကျင့်ရန် ရရှိနိုင်သော ဒေတာအတွဲများ။

NLP စျေးကွက်သည် 11.7 နှင့် 2018 အတွင်း CAGR 2026% တွင်ကြီးထွားရန်စီစဉ်ထားသည်။ 28.6 နေဖြင့် $ 2026 ဘီလီယံ. NLP နှင့် machine learning အတွက် တိုးပွားလာသော ၀ယ်လိုအားကြောင့် ယခုအခါတွင်၊ စိတ်ခံစားမှုဆိုင်ရာ ခွဲခြမ်းစိတ်ဖြာမှု၊ သုံးသပ်ချက်များ၊ အမေးအဖြေများ ခွဲခြမ်းစိတ်ဖြာမှုနှင့် စကားသံ ခွဲခြမ်းစိတ်ဖြာမှု ဒေတာအတွဲများကို ပံ့ပိုးပေးသည့် အရည်အသွေးရှိသော ဒေတာအတွဲများကို သင့်လက်ထဲတွင် ရရှိနိုင်ပါပြီ။

စက်သင်ယူခြင်းအတွက် NLP ဒေတာအတွဲများကို သင်ယုံကြည်နိုင်ပါသည်။

မရေမတွက်နိုင်သောဒေတာအစုံများ - အမျိုးမျိုးသောလိုအပ်ချက်များကိုအာရုံစိုက်နေသည် - နေ့တိုင်းနီးပါးထုတ်လွှတ်နေသောကြောင့်၎င်းသည်အရည်အသွေး၊ ယုံကြည်စိတ်ချရသောနှင့်အကောင်းဆုံးဒေတာအတွဲများကိုရယူရန်စိန်ခေါ်မှုဖြစ်နိုင်သည်။ ဤတွင်၊ ကျွန်ုပ်တို့သည် ၎င်းတို့ဝန်ဆောင်မှုပေးသည့် အမျိုးအစားများအလိုက် ခွဲခြားထားသော ဒေတာအတွဲများကို သင့်အား တင်ပြထားသောကြောင့် ကျွန်ုပ်တို့သည် သင့်အတွက် ပိုမိုလွယ်ကူစေပါသည်။

ယေဘုယျ

• UCI ရဲ့ Spambase (လင့်ခ်)

Hewlett-Packard Labs တွင် ဖန်တီးထားသော Spambase သည် သုံးစွဲသူများထံမှ စပမ်းအီးမေးလ်များ အစုအဝေးပါရှိပြီး စိတ်ကြိုက်ပြုလုပ်ထားသော spam စစ်ထုတ်မှုကို ဖန်တီးရန် ရည်ရွယ်သည်။ ၎င်းတွင် အီးမေးလ်မက်ဆေ့ချ်များမှ လေ့လာတွေ့ရှိချက်ပေါင်း 4600 ကျော်ရှိပြီး 1820 နီးပါးသည် spam များဖြစ်သည်။

• Enron ဒေတာအတွဲ (လင့်ခ်)

Enron ဒေတာအတွဲတွင် ၎င်းတို့၏ စက်သင်ယူမှုပုံစံများကို လေ့ကျင့်ရန် အများသူငှာရရှိနိုင်သည့် အမည်ဝှက် 'အစစ်' အီးမေးလ်များ စုစည်းမှု အများအပြားရှိသည်။ ၎င်းတွင် အသုံးပြုသူ 150 ကျော်ထံမှ အီးမေးလ် သန်းတစ်ဝက်ကျော်ရှိပြီး Enron ၏ အကြီးတန်း စီမံခန့်ခွဲမှု အများစုဖြစ်သည်။ ဤဒေတာအတွဲကို ဖွဲ့စည်းတည်ဆောက်ပုံနှင့် ဖွဲ့စည်းတည်ဆောက်ပုံမထားသော ဖော်မတ်နှစ်မျိုးလုံးအတွက် အသုံးပြုနိုင်ပါသည်။ ဖွဲ့စည်းတည်ဆောက်ပုံမရှိသောဒေတာကို မြှင့်တင်ရန်၊ သင်သည် ဒေတာလုပ်ဆောင်ခြင်းနည်းပညာများကို အသုံးပြုရန် လိုအပ်သည်။

• Recommender Systems ဒေတာအတွဲ (လင့်ခ်)

Recommender System dataset သည် မတူညီသော အင်္ဂါရပ်များ ပါဝင်သော အချက်အလက်အစုံအလင်၏ ကြီးမားသော အစုအဝေးတစ်ခုဖြစ်ပြီး၊

• ကုန်ပစ္စည်းပြန်လည်သုံးသပ်ခြင်း
• ကြယ်ပွင့်အဆင့်သတ်မှတ်ချက်များ
• ကြံ့ခိုင်ရေးခြေရာခံခြင်း
• သီချင်းအချက်အလက်
• လူမှုကွန်ယက်
• အချိန်ပြကွက်များ
• အသုံးပြုသူ/ပစ္စည်း အပြန်အလှန်ဆက်သွယ်မှုများ
• GPS အချက်အလက်

စိတ်ဓါတ်ခွဲခြမ်းစိတ်ဖြာ

• ရုပ်ရှင်နှင့်ဘဏ္ဍာရေးဆိုင်ရာအဘိဓာန်များ (လင့်ခ်)

ရုပ်ရှင်နှင့်ဘဏ္ဍာရေးဆိုင်ရာ ဒေတာအတွဲအတွက် အဘိဓာန်များသည် ဘဏ္ဍာရေးဖြည့်စွက်မှုများနှင့် ရုပ်ရှင်ပြန်လည်သုံးသပ်ခြင်းများတွင် အပြုသဘော သို့မဟုတ် အနုတ်လက္ခဏာဆောင်သော ကွဲပြားမှုအတွက် ဒိုမိန်းသီးသန့်အဘိဓာန်များကို ပံ့ပိုးပေးပါသည်။ ဤအဘိဓာန်များကို IMDb နှင့် US Form-8 ဖြည့်စွက်ချက်များမှ ထုတ်ယူပါသည်။

• စိတ်ဓာတ် ၁၄၀ (လင့်ခ်)

Sentiment 140 တွင် မတူညီသော နယ်ပယ် 160,000 ခုတွင် အမျိုးအစားခွဲထားသော အမျိုးမျိုးသော အီမိုတီကွန်များပါသည့် tweet ပေါင်း 6 ကျော်ပါရှိသည်- tweet date၊ polarity၊ text၊ user name၊ ID နှင့် query။ ဤဒေတာအတွဲသည် သင့်အား အမှတ်တံဆိပ်တစ်ခု၊ ထုတ်ကုန်တစ်ခု သို့မဟုတ် Twitter လုပ်ဆောင်ချက်အပေါ်အခြေခံသည့် အကြောင်းအရာတစ်ခု၏ ခံစားချက်ကို ရှာဖွေတွေ့ရှိနိုင်စေသည်။ ဤဒေတာအတွဲကို အခြားလူမှမှတ်သားထားသော တွစ်တာများနှင့်မတူဘဲ အလိုအလျောက်ဖန်တီးထားသောကြောင့် တွစ်တာများကို အပြုသဘောဆောင်သော စိတ်ခံစားမှုများနှင့် အနုတ်လက္ခဏာခံစားချက်များကို နှစ်သက်ဖွယ်မရှိဟု အမျိုးအစားခွဲခြားထားသည်။

• Multi-Domain Sentiment ဒေတာအတွဲ (လင့်ခ်)

ဤ Multi-domain ခံစားချက်ဒေတာအတွဲသည် ထုတ်ကုန်အမျိုးမျိုးအတွက် Amazon သုံးသပ်ချက်များ၏ သိုလှောင်မှုတစ်ခုဖြစ်သည်။ စာအုပ်များကဲ့သို့သော ကုန်ပစ္စည်းအမျိုးအစားအချို့တွင် သုံးသပ်ချက်ပေါင်း ရာဂဏန်းမျှသာရှိသော်လည်း အချို့မှာ သုံးသပ်ချက်ပေါင်း ရာဂဏန်းမျှသာရှိသည်။ ထို့အပြင်၊ ကြယ်ပွင့်အဆင့်သတ်မှတ်ချက်ပါရှိသော သုံးသပ်ချက်များကို ဒွိအညွှန်းများအဖြစ်သို့ ပြောင်းလဲနိုင်သည်။