Parallelizing Machine Learning as a service for the end-user. Input data

Loreti, Daniela (2020) Parallelizing Machine Learning as a service for the end-user. Input data. Università di Bologna. DOI 10.6092/unibo/amsacta/6394. [Dataset]
Full text disponibile come:
[thumbnail of This is the dataset described in: Parallelizing Machine Learning as a Service for the End-User, Daniela Loreti, Marco Lippi, Paolo Torroni, Future Generation Computer Systems 105 (2020) 275-286 DOI: 10.1016/j.future.2019.11.042] Archivio (This is the dataset described in: Parallelizing Machine Learning as a Service for the End-User, Daniela Loreti, Marco Lippi, Paolo Torroni, Future Generation Computer Systems 105 (2020) 275-286 DOI: 10.1016/j.future.2019.11.042)
Licenza: Creative Commons: Attribuzione - Condividi allo stesso modo 4.0 (CC BY-SA 4.0)
Download (14MB)

Abstract

The dataset includes 50 documents downloaded from the Project Gutenberg web site, yielding 466,483 total sentences. The documents are in plain text and in English.

Abstract
Tipologia del documento
Dataset
Autori
AutoreAffiliazioneORCID
Loreti, DanielaDISI, Alma Mater Studiorum - Università di Bologna0000-0002-6507-7565
Parole chiave
machine learning, natural language processing, argument mining
Settori scientifico-disciplinari
Area 09 - Ingegneria industriale e dell'informazione > ING-INF/05 Sistemi di elaborazione delle informazioni
DOI
10.6092/unibo/amsacta/6394
Contributors
Contributor
Affiliazione
ORCID
Tipo
Lippi, Marco
DISMI, Università di Modena e Reggio-Emilia
Researcher
Torroni, Paolo
DISI, Alma Mater Studiorum - Università di Bologna
Researcher
Data di deposito
03 Giu 2020 10:27
Ultima modifica
03 Giu 2020 10:27
Risorse collegate
Tipologia
Relazione
Identificativo
arXiv
questo contributo è un supplemento di
DOI
questo contributo è un supplemento di
Nome del Progetto
AI4EU - A European AI On Demand Platform and Ecosystem
Programma di finanziamento
EC - H2020
URI
https://amsacta.unibo.it/id/eprint/6394

Altri metadati

Statistica sui download

Statistica sui download

Vedi altre statistiche

Gestione del documento: Visualizza il documento

© ALMA MATER STUDIORUM - Università d Bologna, 2007-2025.

^