20个中文语料数据集，含数学考试、公务员考题、医患对话等
想训练出具有中文语境特色的大语言模型，中文语料数据必不可少，今天给大家分享20个中文语料数据集
No.1 Math23K (Math23K for Math Word Problem Solving)
● 发布方：腾讯人工智能实验室
● 发布时间：2017
● 简介：
Math23K 是为解决数学单词问题而创建的数据集，包含从互联网上爬取的 23,162 个中文问题。
● 下载地址：
https://opendatalab.org.cn/Math23K
● 论文地址：
https://a...
- 268
91- 47
36
0
0
0
0
0
0
科研收录专注公共数据库挖掘MIMIC、HHANES、NCDB、SEER等学交流平台
Figshare数据共享平台Figshare平台服务学科多样，以生物学为基础，在Digital Science公司支持下，现已发展为包含生物学在内的将近30多种学科，如医学、地理学、物理学、人文学、天文学等，主要以生物学和医学为主，覆盖整个科学研究领域。平台接受多种格式的科研数据，提供了当前学术出版所不具备的一种文件共享模式。平台给所有对象分配唯一的DOI号，采用Creative Commons许可协议共享数据，大大减少了版权纠纷，可供全球科学家存取、共享信息，并采用基于云的数据管理系统来保证数据存储的安全和可靠性，还为用户提供权限设置的功能，用户自行决定对其科研数据、音频、论文和视频等研究成果是否公开。
PLOS Digital HealthPLOS是一家非营利性的开放获取出版商，通过引领研究交流的变革，使研究人员能够加速科学和医学的进步
eICU-CRD涵盖了20家大型医院2014-2015年间，超过20万名入住重症监护病房患者的住院相关的数据，涉及心内ICU，胸外ICU，内科ICU，神经外科ICU等数据。
- PhysioNet
复杂生理信号的研究资源
