我在哪里可以下载免费的，文本丰富的数据集？

Question

我想做一点轻量级测试和基准标记进行全文搜索，所以数据集应具备的素质：

• 10,000 - 100,000条记录。
• 英文单词分散性很好。
• 以CSV或Excel格式 - 即。我不想通过API访问它。

类似书籍或电影的标题和说明字段将是完美的。我浏览了UCI Machine Learning Repo，但它太过于数字化。

Answer 1

你可以试试
- CKAN
- 或search for "Open Data"

或see Tim Berners-Lee discussing a quick survey of a few Open Data sets。

Answer 2

如果你没有找到一个，你可以使用Lorem存有发生器创建一个

T-SQL equivalent of =rand()

你也可以得到充分的*的数据转储

http://blog.*.com/2009/06/stack-overflow-creative-commons-data-dump/

Answer 3

使用Gutenberg Project。您可以以纯文本访问数千本英文书籍。这就是我曾经使用过的，并对此感到满意。