Machine learning 用于自然语言处理的文本数据集

我一直在网络上搜索，发现CNN和NPR等媒体提供了访问他们成绩单的链接。要获得它们，需要编写一些类似于爬虫的东西，但这并不方便。原因是我试图在我的自然语言处理项目中使用一些电视节目、采访、广播、电影的成绩单作为培训数据。因此，我想知道网络上是否有免费的收藏或数据库，这样我就可以一次下载所有的收藏或数据库，而无需自己编写爬虫程序了？

我建议使用。我还要提到美国国家语料库，但那里的文字记录只有电话或面对面的对话——没有新闻、电视节目等

---

你还提到了CNN和NPR。这里有1996年的成绩单。

嗨，开尔文！请让我们知道你已经做了什么样的研究。此外，请注意（）此处允许提出一些主观问题，但这些问题应“邀请分享经验而非观点”，“坚持以事实和参考资料支持观点”也请参见此处指南的#1（）征求建议。我礼貌地不同意@ThomasJungblut的观点，因为这里不是征求建议的地方。它应该是一种信息丰富的方式。@ThomasJungblut那么你对这些问题的看法是什么：不要试图在这里发表无用的负面评论，请专注于帮助人们完成有用的事情。@ThomasJungblut有很多与NLP相关的话题，拥有一个好的语料库是开发过程的重要组成部分。问题不在于推荐一个“最好的”语料库，而在于找到一个适合你任务的语料库——不是主观的。这些数据集看起来很棒！谢谢你@Yasen！