machine-learning - 数量格拉斯哥大学 wt2g 收藏中的标签

Question

根据该网站： http: //ir.dcs.gla.ac.uk/test_collections/access_to_data.html，格拉斯哥大学有偿分发 wt2g 收藏。这个集合基本上是由几个解析的网页组成的。我很好奇 wt2g 集合有多少标签。这将帮助我估计收藏中的文件数量，这将进一步确定我是否应该购买该收藏。谢谢

Answer 1

根据这篇文章，WT2g 集合中有 25 万页。但是这个页面的信息，意味着该集合中有18万页。

Answer 2

WT2G 语料库中的文档数为 247491。