Tootfinder

No exact results. Similar results found.

@netzschleuder@social.skewed.de
2026-01-22 14:00:04

movielens_100k: MovieLens 100K (1998)
Three bipartite networks that make up the MovieLens 100K Dataset, a stable benchmark dataset of 100,000 ratings from 1000 users on 1700 movies. These data capture the tag-movie, user-movie, and user-tag networks. (Also available from MovieLens are 1M, 10M and 20M folksonomy datasets.).
This network has 24129 nodes and 95580 edges.
Tags: Informational, Folksonomy, Unweighted, Multigraph, Timestamps

movielens_100k: MovieLens 100K (1998). 24129 nodes, 95580 edges. https://networks.skewed.de/net/movielens_100k

movielens_100k — MovieLens 100K (1998)
Three bipartite networks that make up the MovieLens 100K Dataset, a stable benchmark dataset of 100,000 ratings from 1000 users on 1700 movies. These data capture the tag-movie, user-movie, and user-tag networks. (Also available from MovieLens are 1M, 10M and 20M folksonomy datasets.)

@netzschleuder@social.skewed.de
2026-02-21 07:00:05

movielens_100k: MovieLens 100K (1998)
Three bipartite networks that make up the MovieLens 100K Dataset, a stable benchmark dataset of 100,000 ratings from 1000 users on 1700 movies. These data capture the tag-movie, user-movie, and user-tag networks. (Also available from MovieLens are 1M, 10M and 20M folksonomy datasets.).
This network has 24129 nodes and 95580 edges.
Tags: Informational, Folksonomy, Unweighted, Multigraph, Timestamps

movielens_100k — MovieLens 100K (1998)
Three bipartite networks that make up the MovieLens 100K Dataset, a stable benchmark dataset of 100,000 ratings from 1000 users on 1700 movies. These data capture the tag-movie, user-movie, and user-tag networks. (Also available from MovieLens are 1M, 10M and 20M folksonomy datasets.)

@sascha_wolfer@fediscience.org
2026-01-22 14:58:36

Dinge, die man "vor sich hin" tun kann (geordnet nach Korpushäufigkeit, TOP 10):
- dümpeln
- plätschern
- dämmern
- murmeln
- gammeln
- rosten
- dösen
- starren
- wursteln / wurschteln
- vegetieren
Nur noch Freitag, dann könnt Ihr das ganze Wochenende vor Euch hin sinnieren oder trödeln.
(Quelle: Winkler (2016). Vor sich hindümpeln und vor sich herschieben — zwei produktive Muster im Deutschen? In: Juan Cuartero Otal, Juan Pablo Larreta Zulategui und Christoph Ehlers (Hg.) : Querschnitt durch die deutsche Sprache aus spanischer Sicht. Berlin: Frank & Timme, 2016.(Sprachwissenschaft - 30), S. 89-109.)
#linguistik

@pixelcode@social.tchncs.de
2026-03-23 16:18:54

Gerade schlug ich Seite 71 im #Spiegel Nr. 13/2026 auf – und was soll ich sagen? Ich bin jetzt nicht so überzeugt davon, dass es 'ne wirklich coole Idee ist, einen Juden als Weißen Hai mit entsprechenden Haifischzähnen darzustellen, auch wenn das nur als humorvolle Anspielung auf ein Filmplakat gemeint ist.
Was der Grund dafür ist, dass in der PDF-Ausgabe diese

Titelbild der April-Ausgabe des Manager-Magazins als Werbeanzeige im Spiegel. Der Titel lautet: „KI-Alarm: OpenAI und Anthropic attackieren die Softwareriesen. Eine massive Bedrohung – auch für andere Branchen.“ Abgebildet sind die Firmenlogos von Salesforce, Adobe und SAP, die an der Meeresoberfläche dümpeln. Auf das Filmplakat des Weißen Hais anspielend, lauert ein leicht entmenschlichter Sam Altman mit Haizähnen in der Tiefe und blickt angriffslustig nach oben.

@netzschleuder@social.skewed.de
2026-02-19 01:00:05

movielens_100k: MovieLens 100K (1998)
Three bipartite networks that make up the MovieLens 100K Dataset, a stable benchmark dataset of 100,000 ratings from 1000 users on 1700 movies. These data capture the tag-movie, user-movie, and user-tag networks. (Also available from MovieLens are 1M, 10M and 20M folksonomy datasets.).
This network has 24129 nodes and 95580 edges.
Tags: Informational, Folksonomy, Unweighted, Multigraph, Timestamps

movielens_100k — MovieLens 100K (1998)
Three bipartite networks that make up the MovieLens 100K Dataset, a stable benchmark dataset of 100,000 ratings from 1000 users on 1700 movies. These data capture the tag-movie, user-movie, and user-tag networks. (Also available from MovieLens are 1M, 10M and 20M folksonomy datasets.)

@Dragofix@mastodontti.fi
2026-03-18 22:54:06

Uusi raportti: Ilmastotavoitteiden saavuttaminen on mahdollista ilman kriittisten mineraalien holtitonta käyttöä https://www.greenpeace.org/finland/tiedotteet/ilmastonmuuto…

Uusi raportti: Ilmastotavoitteiden saavuttaminen on mahdollista ilman kriittisten mineraalien holtitonta käyttöä - Greenpeace Suomi
Raportti osoittaa, kuinka maapallon mineraalivaroja voidaan hallinnoida uusiutuvan energian murroksessa siten, että välttämättömiä, maapallon elämää ylläpitäviä järjestelmiä suojellaan niin kutsuttujen kriittisten mineraalien maanpäälliseltä ja syvänmeren louhinnalta.

@netzschleuder@social.skewed.de
2026-03-16 01:00:05

movielens_100k: MovieLens 100K (1998)
Three bipartite networks that make up the MovieLens 100K Dataset, a stable benchmark dataset of 100,000 ratings from 1000 users on 1700 movies. These data capture the tag-movie, user-movie, and user-tag networks. (Also available from MovieLens are 1M, 10M and 20M folksonomy datasets.).
This network has 24129 nodes and 95580 edges.
Tags: Informational, Folksonomy, Unweighted, Multigraph, Timestamps

@netzschleuder@social.skewed.de
2026-01-09 12:00:04

movielens_100k: MovieLens 100K (1998)
Three bipartite networks that make up the MovieLens 100K Dataset, a stable benchmark dataset of 100,000 ratings from 1000 users on 1700 movies. These data capture the tag-movie, user-movie, and user-tag networks. (Also available from MovieLens are 1M, 10M and 20M folksonomy datasets.).
This network has 24129 nodes and 95580 edges.
Tags: Informational, Folksonomy, Unweighted, Multigraph, Timestamps

movielens_100k — MovieLens 100K (1998)
Three bipartite networks that make up the MovieLens 100K Dataset, a stable benchmark dataset of 100,000 ratings from 1000 users on 1700 movies. These data capture the tag-movie, user-movie, and user-tag networks. (Also available from MovieLens are 1M, 10M and 20M folksonomy datasets.)

@netzschleuder@social.skewed.de
2026-03-08 21:00:05

movielens_100k: MovieLens 100K (1998)
Three bipartite networks that make up the MovieLens 100K Dataset, a stable benchmark dataset of 100,000 ratings from 1000 users on 1700 movies. These data capture the tag-movie, user-movie, and user-tag networks. (Also available from MovieLens are 1M, 10M and 20M folksonomy datasets.).
This network has 24129 nodes and 95580 edges.
Tags: Informational, Folksonomy, Unweighted, Multigraph, Timestamps

movielens_100k — MovieLens 100K (1998)
Three bipartite networks that make up the MovieLens 100K Dataset, a stable benchmark dataset of 100,000 ratings from 1000 users on 1700 movies. These data capture the tag-movie, user-movie, and user-tag networks. (Also available from MovieLens are 1M, 10M and 20M folksonomy datasets.)

@netzschleuder@social.skewed.de
2026-03-06 11:00:05

movielens_100k: MovieLens 100K (1998)
Three bipartite networks that make up the MovieLens 100K Dataset, a stable benchmark dataset of 100,000 ratings from 1000 users on 1700 movies. These data capture the tag-movie, user-movie, and user-tag networks. (Also available from MovieLens are 1M, 10M and 20M folksonomy datasets.).
This network has 24129 nodes and 95580 edges.
Tags: Informational, Folksonomy, Unweighted, Multigraph, Timestamps

movielens_100k — MovieLens 100K (1998)
Three bipartite networks that make up the MovieLens 100K Dataset, a stable benchmark dataset of 100,000 ratings from 1000 users on 1700 movies. These data capture the tag-movie, user-movie, and user-tag networks. (Also available from MovieLens are 1M, 10M and 20M folksonomy datasets.)

Tootfinder

Opt-in global Mastodon full text search. Join the index!