中文文本分类数据集THUCNews

自然语言
37 下载
7,393 浏览
2020-04-21

数据集简介

THUCNews是根据新浪新闻RSS订阅频道2005~2011年间的历史数据筛选过滤生成,包含74万篇新闻文档(2.19 GB),均为UTF-8纯文本格式。我们在原始新浪新闻分类体系的基础上,重新整合划分出14个候选分类类别:财经、彩票、房产、股票、家居、教育、科技、社会、时尚、时政、体育、星座、游戏、娱乐。使用THUCTC工具包在此数据集上进行评测,准确率可以达到88.6%。

基本信息

记录数量未知
文件大小2.19 GB
文件格式未知
数据来源未知
文本分类;中文;语料;

上架信息

数据集市运营
平台统一选品上架,经质量审核后公开
37 次下载

价格

免费