MAMS for ABSA 此存储库包含论文“ EMCLP-IJCNLP 2019， 挑战数据集和基于方面的情感分析的有效模型”的数据和代码。 彩信 MAMS是用于基于方面的情感分析（ABSA）的挑战数据集，其中每个句子包含至少两个具有不同情感极性的方面。 MAMS数据集包含两个版本：一个用于方面术语情感分析（ATSA），另一个用于方面类别情感分析（ACSA）。 要求 pytorch==1.1.0 spacy==2.1.8 pytorch-pretrained-bert==0.6.2 adabound==0.0.5 pyyaml==5.1.2 numpy==1.17.2 scikit-learn==0.21.3 scipy==1.3.1 快速开始 将经过预训练的GloVe（ ）文件glove.840B.300d.txt放在./data文件夹中。 修改config.py以选择任务，模型和

FMA：音乐分析数据集 ， ， ， 。 国际音乐信息检索学会会议（ISMIR），2017年。 我们介绍了免费音乐档案（FMA），这是一个开放的且易于访问的数据集，适用于评估MIR中的多个任务，MIR是与浏览，搜索和组织大型音乐收藏有关的领域。 但是，社区对功能和端到端学习的兴趣日益增长，这受到大型音频数据集可用性有限的限制。 FMA旨在克服这一障碍，以161个流派的分级分类法，提供来自16,341位艺术家和14,854张专辑的106,574条曲目的917 GiB和343天的Creative Commons许可音频。 它提供全长和高质量的音频，预先计算的功能，以及轨道和用户级别的元数据

Waymo打开数据集 Waymo Open数据集于2019年8月首次推出，其感知数据集包括高分辨率传感器数据和1,950个细分的标签。 我们已公开发布Waymo开放数据集，以帮助研究社区在机器感知和自动驾驶技术方面取得进步。 2021年3月更新 我们扩展了Waymo开放数据集，使其还包括一个运动数据集，该运动数据集包含对象轨迹和超过100,000个细分的相应3D地图。 我们已经更新了此存储库，以添加对此新数据集的支持。 请参考。 此外，我们添加了有关实时检测挑战的说明和示例。 请按照以下。 网站 要了解有关数据集的更多信息并访问它，请访问 。 内容 此代码存储库包含： 数据集格式的定义 评估指标 TensorFlow中的Helper功能可帮助构建模型 请参考。 执照 此代码存储库（不包括third_party）已根据Apache许可2.0版获得许可。 出现在third_party中的代

肌读数据集 腕部冬眠，弯曲，伸展，径向偏移，尺骨偏移，内旋，旋后和拳头手势的Myo臂章肌电图读数数据集。 项目结构 读数位于_readings文件夹中，每个记录会话包含一个文件夹。 每个会话文件夹包含多个文件，每个手腕手势一个。 这些文件名为 .txt（例如，扩展名为2.txt，请参见下面的手势标签）。 每个录制会话文件夹应至少包含八个文件（用于手势0-7）。 文件本身由多行组成： ... 11,32,-3,-43,4,5,42,7,0 13,24,-5,12,43,42,12,1,0 123,121,-100,-88,-32,32,123,13,2 ... 每行代表来自Myo臂章上的八个EMG通道的样本（[-128，127]，有符号字节），以及给定时刻的手腕手势（类）标签，以逗号分隔。 该行的末尾没有逗号，并且文件中的任何地方都不应有空格。 根据Myo规范，采样频率约为2

ADE20K数据集 这是的存储库。 我们提供了有关数据集的一些信息，并提供了用于探索数据的。 概述 ADE20K由来自SUN和Places数据库的27K图像组成。 图像完全用对象注释，跨越3K对象类别。 许多图像还包含对象部分和部分部分。 我们还提供了原始带注释的多边形，以及用于模态分割的对象实例。 图像也被匿名化，使人脸和车牌模糊。 数据集统计 数据集的当前版本包含： 涵盖365个不同场景的27,574张图像（用于训练的25,574张图像和用于测试的2,000张图像）。 来自3688个类别的707868个唯一对象，以及它们的WordNet定义和层次结构。 193,238带注释的对象零件和零件零件。 具有属性，注释时间，深度顺序的多边形注释。 探索数据集 虽然您需要才能访问数据集，但我们在数据集中提供了一个小的子datasets ，以便您熟悉结构。 我们还提供了一个index_a

自动简历筛选系统（带有数据集） 一个网络应用程序，可通过分析简历和简历，显示最适合该职位的候选人并筛选出不适合的人来帮助雇主。 描述 使用推荐引擎技术，例如基于内容的协作，基于内容的过滤，以模糊匹配具有多个履历的职位描述。 先决条件 软件 textract == 1.6.3 要求== 2.22.0 烧瓶== 1.1.1 gensim == 3.8.0 sklearn == 0.0 PyPDF2 == 1.26.0 自动更正== 0.4.4 nltk == 3.4.5 宫缩== 0.0.21 textsearch == 0.0.17 拐弯== 2.1.0 numpy == 1.17.2 pdfminer.six == 20181108 Python 3.6.0 | Anaconda 4.3.0（64位）| 数据集 链接1： ： 镜像： : 运行本地主机

杂种 少量镜头学习的数据集 从回购中引用： : 数据火车下载：wget 数据测试下载：wget Omniglot数据集取材于官方GitHub存储库上： ： 环境 Pytroch 1.7，Python 3.8 跑步训练并测试：CUDA_VISIBLE_DEVICES = 0 python protonet.py

对偶超图正则化最小二乘（DHRLS） DHRLS是一种新颖的计算方法，它利用多核学习和Hypergraph正则化最小二乘来预测疾病与基因之间的关联。 1.代码 1）cka_kernels_weights.p：实现CKA算法的函数； 2）construct_Hypergraphs_knn_weight.p：实现超图拉普拉斯矩阵的函数； 3）DHRLS.p：预测疾病与基因之间的关联 4）fold_10.m：实现十折交叉验证的函数 2.数据集 1）疾病名称和基因名称：分别存储疾病名称和基因名称； 2）gene_disease_Y.mat：存储疾病与基因之间的关联矩阵 由于文件上传的限制，请单击“以获取所有数据 3.Predicting_novel_interactions。 此文件夹包含DHRLS模型对960种疾病的Top50预测结果，包括基因名称预测得分和是否已通过验证

AusPIX-DGGS数据集 澳大利亚rhealPIX DGGS实现数据集，作为链接的数据API。 包括每个AusPIX单元（包括南极洲在内的全球范围）的带有地图和数据的登陆页面。 搜索任何单元格。 日期：2019年9月 已知问题：传单模块图无法正确显示极地区域（N4和S4）。 这是因为小叶和小叶在平面投影上，并没有一直延伸到极地区域。 数据包括：地图，面积，父单元格，子单元格，顶点，质心，单元格邻居。 这是AusPIX DGGS单元的链接数据API的代码。 API提供有关AusPIX单元的基本信息。 作者：贝尔，JG ecat记录：140149 由澳大利亚政府Loc-I项目资助 在线访问： : 参考文献： :

项目概况 这是一个使用Python复查和分析电影数据集的优秀程序