nlp数据集 自由/公共领域数据集的字母顺序列表，其中包含用于自然语言处理（NLP）的文本数据。 如果您正在寻找带注释的语料库或树库，请参阅底部的源，此处的大多数内容只是原始的非结构化文本数据。 数据集（英语，多语言） ：截至2011年7月11日的所有公共可用Apache Software Foundation邮件档案（200 GB） ：包括2004年8月从blogger.com收集的19,320个博客作者的帖子。681,288个帖子和超过1.4亿个单词。 （298 MB） 由568454