cmunhozc/usa_news_en

该数据集收集了2019年至2022年间从Twitter和Facebook上获取的美国新闻标题，带有自动注释和人工验证。数据集包含五个属性：两个新闻标题、目标变量（表示两个标题是否涉及同一事件）、数据集划分类型（训练、验证、测试）和注释类型（自动注释、人工验证）。数据来源主要是通过Twitter的Academic API和Facebook的CrowdTangle获取的。数据集以表格形式呈现，包含五个列。

原始信息汇总

数据集概述

该数据集包含2019年至2022年间从Twitter和Facebook收集的美国新闻标题，经过自动标注和人工验证。

属性

数据集包含五个属性：

1. "Headlines 1"：第一个标题。
2. "Headlines 2"：第二个标题。
3. "target"：目标变量，表示两个标题是否涉及同一事件（1表示是，0表示否）。
4. "split"：数据集划分（训练集、验证集、测试集）。
5. "type"：标注类型（soft label表示自动标注，human-verified表示人工验证）。

数据来源

数据主要来源于Twitter（通过学术API访问）和Facebook（通过CrowdTangle访问），这些来源支持了2019年至2022年间美国新闻文章的自动标注。测试数据集中的句子对经过了人工验证。

数据格式

数据集以表格形式呈现，包含上述提到的五列。