20万英语笑话文本数据集

提供者:朱述承
访问地址:https://github.com/taivop/joke-dataset

简介

这个数据库中有大约208000个笑话。

文件

目前数据集包含来自三个来源的笑话。
reddit_jokes.json | 195K jokes | 7.40M tokens
stupidstuff.json | 3.77K jokes | 396K tokens
wocka.json | 10.0K jokes | 1.11M tokens
TOTAL | 208K jokes | 8.91M tokens

格式

每个文件都是一个JSON文档,其中包含一个笑话对象的平面列表。每个笑话对象总是具有基于数据集的附加字段的正文字段。显然这些笑话并不全是好笑的;我们希望可以找到最好的,排序在相关的其他领域。请注意,这个标题在许多情况下都是笑话的一部分(特别是对于Reddit提交的笑话)。