معروف ترین دیتا ست تکست ماینینگ چیه ؟

یکی از معروفترین و پرکاربردترین دیتاستها برای تکست ماینینگ، دیتاست Newsgroups 20  است. این دیتاست شامل حدود 20,000 مستند متنی است که از 20 گروه خبری مختلف جمعآوری شدهاند. هر مستند به یکی از 20 موضوع مختلف مرتبط است، که این امر آن را برای تمرین و آزمایش الگوریتمهای دستهبندی متنی ایدهآل میسازد   دیتاست دیگری که در زمینه تکست ماینینگ مورد توجه قرار میگیرد دیتاست IMDb است که شامل نقدهای فیلمها است و برای تحلیل احساسات استفاده میشود.

همچنین دیتاستهای مانندReuters-21578 و UCI Machine Learning Repository نیز در میان پژوهشگران و متخصصان تکست ماینینگ شناخته شده هستند