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|,|复制代码
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:
06月
下载地址
/fateleak/toutiao-multilevel-text-classfication-dataset
NLP的同学加我微信吧:
LISCENSE
WTFPL