返回信息流rcv1.tar.xz文件。
全网搜索了非官方渠道，无果，官方渠道因为不能返校暂时没办法操作...
是rcv1的v1，不是embedding之后的v2！
不胜感激，信女愿吃素一个月！[ema1]
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #36541同步于 2020/4/3
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
【真诚提问】有没有做NLP的大佬手里有路透社数据集rcv1
noisland
2020/4/3镜像同步6 回复
订阅后，新回复会通过你的通知中心匿名送达。
6 条回复
我记得我下到过tar.gz版本的 tar.xz版本的我只在哈佛的数据库和这个数据集的官网见到过 哈佛数据库我申请过数据被拒绝了 官网要发pdf 我没试过 如果只是为了conll2003的话github就有转换好的数据
感谢回复！
我也找到了eng.train等3个CoNLL-2003的文件，但是因为想要使用基于这个数据集的官方标注，需要使用官方插件，当按照要求填写包含CoNLL-2003数据的路径时，一直提示eng.train那几个文件不存在，可是他明明存在啊，只不过是从网络download而不是自己生成的！
所以我猜测是不是生成CoNLL-2003数据的时候会生成什么config之类的，然后插件会验证...？[em9]
再虚心请教下，rcv1.tar.gz和rcv1.tar.xz有什么区别？也是800M吗？
【 在 sjw1996 的大作中提到: 】
: 我记得我下到过tar.gz版本的 tar.xz版本的我只在哈佛的数据库和这个数据集的官网见到过 哈佛数据库我申请过数据被拒绝了 官网要发pdf 我没试过 如果只是为了conll2003的话github就有转换好的数据
tar.gz版本436mb，里面好像只有向量，tar.xz版本应该是300多m，另外ner.tgz那个转换脚本我试过，里面的shell语法比较老，我在我的服务器上跑不通，之后就没再试。我当时也是找了好久原版数据，因为用网上给的数据跑ner.tgz里面的评测脚本的时候实体数量跟总数对不上，差了一两个，后来为啥没继续找我忘了。。
【 在 noisland (烦) 的大作中提到: 】
: 感谢回复！
: 我也找到了eng.train等3个CoNLL-2003的文件，但是因为想要使用基于这个数据集的官方标注，需要使用官方插件，当按照要求填写包含CoNLL-2003数据的路径时，一直提示eng.train那几个文件不存在，可是他明明存在啊，只不过是从网络download而不是自己生成的！
: 所以我猜测是不是生成CoNLL-2003数据的时候会生成什么config之类的，然后插件会验证...？[em9]
: ...................
原来这样...！肥肠感谢了！
【 在 sjw1996 的大作中提到: 】
: tar.gz版本436mb，里面好像只有向量，tar.xz版本应该是300多m，另外ner.tgz那个转换脚本我试过，里面的shell语法比较老，我在我的服务器上跑不通，之后就没再试。我当时也是找了好久原版数据，因为用网上给的数据跑ner.tgz里面的评测脚本的时候实体数量跟总数对不上，差了一两个，后来为啥没继续找我忘了。。
:
谢谢你！楼主还没找到！现在github上包括这个仓库，以及sklearn自带dataset都是v2，就是已经实现了embedding，我没了解用的什么方法，但应该比较古老，所以还是想找v1...!
【 在 laddie132 的大作中提到: 】
: https://github.com/lancopku/SGM
: 楼主找到了没。我看到这里有，但是怎么觉得和官方的不一样