国际新闻-国外新闻热点-时事新闻爆料

分类

最新!今日头条新闻文本分类数据集(github)

6552431613437805063_!_102_!_news_entertainment_!_谢娜为李浩菲澄清网络谣言,

之后她的两个行为给自己加分_!_佟丽娅,网络谣言,快乐大本营,李浩菲,谢娜,观众们

每行为一条数据,以_!_分割的个字段,从前往后分别是 新闻ID,分类code(见下文),分类名称(见下文),新闻字符串(仅含标题),新闻关键词

分类code与名称:

100 民生 故事 news_story101 文化 文化 news_culture102 娱乐 娱乐 news_entertainment103 体育 体育 news_sports104 财经 财经 news_finance106 房产 房产 news_house107 汽车 汽车 news_car108 教育 教育 news_edu 109 科技 科技 news_tech110 军事 军事 news_military112 旅游 旅游 news_travel113 国际 国际 news_world114 证券 股票 stock115 农业 三农 news_agriculture116 电竞 游戏 news_game

数据规模:

共382688条,分布于15个分类中。

采集时间:

2018年05月

实验结果:

以0.7 0.15 0.15做分割。欢迎提交你使用本数据集的实验结果~

以上Acc较低的原因:

1,数据不均衡,部分类目数据太少

2,部分分类之间本身模棱两可,例如故事、文化、旅行

详见text-class xxxx内代码

后续可以优化的地方: