电影对白数据集（Cornell 语料）

数据交付

本条目提供数据和数据说明，暂未提供可运行教学案例。需要自行完成建模或实验。

数据集介绍

【数据集名称】电影对白数据集（Cornell 语料） 【门类归属】体育与娱乐 / 影视数据 【数据类型与任务】未识别；待核查 【数据规模】304713 条记录（Parquet 单表） 【文件格式】Parquet 数据表 【压缩包大小】数据文件约 12.5 MB（Parquet，无压缩包） 【数据划分】数据是一个整体文件（1 个数据文件装下全部 1 条记录），下载后即可直接使用，无需再划分。 【标签或字段】无标注标签：本数据集是资料/表格数据，不含分类或目标检测标注；完整的字段与类别说明见压缩包内的数据字典文件 data-dictionary.csv。 【类型关键参数】304713 行 × 1 列；字段：text 【目录结构】 数据文件 data/train-00000-of-00001-a19c10f9666706bb.parquet └── 单个 Parquet 数据文件（含全部记录） 【怎么使用】 整个数据集是一张数据表：一列是图片本身，另一列是类别编号。用 Python 的 pandas 一行代码就能打开： import pandas as pd df = pd.read_parquet("data\train-00000-of-00001-a19c10f9666706bb.parquet") # 304713 行 字段的中文说明见压缩包内的 data-dictionary.csv。 【数据体检结果】 · 数据体检未发现问题，可放心使用。

整理与使用信息

本站处理内容

本站已完成的工作： 1. 中文名称与用途说明整理（对照原站信息逐项核对）； 2. 全量文件清点与 SHA256 校验（file-manifest.csv，可溯源）； 3. 自动质检报告（quality-report.json：结构、编码、重复、标注一致性等）； 4. 数据字典整理（data-dictionary.csv，字段/类别中英对照）； 5. 预览样例抽取（preview/，供购买前判断内容）。

中文整理说明

门类：体育与娱乐 / 影视数据（依据《数据集中文分类体系》） 中文命名：电影对白数据集（Cornell 语料）（原始名称 mylesmharrison/cornell-movie-dialog） 已知问题：自动检查未发现问题（详见 quality-report.json） 配套文档：简明说明.md、README_中文.md、数据字典、文件清单、质检报告、预览样例（均随网盘下载包提供）。