aceimnorstuvwxz / Toutiao Multilevel Text Classfication Dataset
今日头条中文新闻文本(多层)分类数据集
Stars: ✭ 261
Programming Languages
python
139335 projects - #7 most used programming language
中文文本多层分类数据集
这是另一个数据集的加强版，为多级分类，分类更全（含1000+多级分类），量更大。
数据来源：
今日头条客户端
文本多层分类的概念见下图
数据格式：
1000866069|,|tip,news|,|【互联网资讯】PPT设计宝典!十招教你做出拿得出手的PPT|,|互联网,美国,ppt,powerpoint,幻灯片,演示文稿,微软,字体列表|,|
每行为一条数据，以|,|分割的各字段，从前往后分别是 新闻ID，分类代码，新闻字符串（仅含标题），新闻关键词，新闻label
所有分类的目录见 all_cat.txt
数据规模：
共2914000条，分布于1000+个多层的类别中。
采集时间：
2018年06月
NLP chat group：
LISCENSE
Note that the project description data, including the texts, logos, images, and/or trademarks,
for each open source project belongs to its rightful owner.
If you wish to add or remove any projects, please contact us at [email protected].