glossAPI/ert-press

---
license: cc-by-nc-nd-4.0
language:
- el
---

**Dataset Info**

This dataset contains an archive of press releases published by ERT (ΕΡΤ — Hellenic Broadcasting Corporation), the Greek public broadcaster.
The data has been collected from the official press portal (https://press.ert.gr/category/deltia-typou/).
The dataset provides a comprehensive collection of official announcements, media updates, and press communications spanning more than a decade (October 20, 2015 – March 19, 2026).

**Metadata Info**

| Column | Type | Nullable | Description |
|----------|----------------------------------------|----------|--------------------------------------|
| title | large_string | Yes | Title of the press release |
| datetime | timestamp (µs, Europe/Athens timezone) | Yes | Publication timestamp |
| text | large_string | Yes | Full article body text |
| url | large_string | No | Original source URL |

**Dataset Statistics:**

Tokens: 9,790,656

File size: 36,4 MB

**Use Cases**

This dataset can be useful for:

Greek NLP tasks (e.g., text classification, summarization, NER)

Temporal analysis of public communications

Training language models on Greek formal/journalistic text

**License:**
This dataset is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).
Any commercial use requires prior written permission from ΕΡΤ — Hellenic Broadcasting Corporation. All intellectual property rights remain with ΕΡΤ — Hellenic Broadcasting Corporation.

**Dataset Moved:**

This dataset is hosted by the Mozilla Data Collective. Please use the official link below for the most up-to-date version:

https://mozilladatacollective.com/datasets/cmo1sg74a00cwmk07q6nin2of

**Contact:**

For feedback contact: [e-mail]

搜集汇总

数据集介绍

构建方式

在希腊公共广播领域，ERT新闻稿数据集的构建体现了系统性数据采集的严谨性。该数据集通过自动化爬虫技术，从ERT官方新闻门户网站（press.ert.gr）持续抓取公开发布的新闻稿，时间跨度自2015年10月20日至2026年3月19日，覆盖了超过十年的官方通讯记录。采集过程确保了数据的完整性与时效性，每条记录均包含标题、发布时间戳、全文内容及原始URL，形成了结构化的希腊语新闻语料库。

特点

该数据集的核心特征在于其作为希腊语正式文本的权威代表性。内容全部来源于希腊国家广播公司的官方新闻稿，语言风格严谨规范，适用于训练专业领域的语言模型。数据规模达到约979万词汇量，文件体积36.4MB，提供了充足的语言样本。时间序列属性完整，支持按时间维度进行公共传播趋势分析，为希腊自然语言处理任务奠定了高质量基础。

使用方法

在学术与应用层面，该数据集主要服务于希腊语自然语言处理研究。研究者可将其用于文本分类、自动摘要、命名实体识别等任务，亦能基于时间戳开展公共传播的时序分析。使用前需注意其采用CC BY-NC-ND 4.0许可，禁止商业用途与衍生作品创作。数据以结构化表格形式提供，包含标题、时间、正文与URL字段，便于直接加载至数据分析框架进行后续处理。

背景与挑战

背景概述

在自然语言处理领域，希腊语资源相对稀缺，制约了相关技术发展。ERT-Press数据集由希腊公共广播公司ERT发布，收录了自2015年10月20日至2026年3月19日期间的官方新闻稿，为希腊语文本分析提供了宝贵资源。该数据集由希腊研究团队或机构构建，旨在支持希腊语自然语言处理任务，如文本分类、摘要和命名实体识别，同时促进对公共传播的时序分析，对丰富希腊语语言模型训练数据具有显著影响力。

当前挑战

ERT-Press数据集面临的挑战包括：在领域问题方面，希腊语作为低资源语言，其文本的复杂语法和形态变化增加了自然语言处理任务的难度，如准确进行实体识别和文本摘要；在构建过程中，数据收集需确保从官方新闻门户获取完整且结构化的新闻稿，同时处理时间戳的时区标准化和文本清理，以维护数据质量与一致性，这些挑战共同考验了数据集的可靠性与实用性。

常用场景

经典使用场景

在希腊语自然语言处理领域，ert-press数据集作为希腊公共广播公司发布的官方新闻稿集合，为研究者提供了丰富的正式文本资源。该数据集常被用于训练和评估希腊语文本分类、命名实体识别以及自动摘要生成模型，其内容涵盖政治、经济、文化等多个主题，时间跨度超过十年，能够有效支持对希腊语新闻文本的深度分析与建模。

衍生相关工作

基于ert-press数据集，学术界已衍生出多项经典研究，例如针对希腊语新闻文本的预训练语言模型开发、跨领域文本分类框架构建以及时序情感分析模型设计。这些工作不仅提升了希腊语自然语言处理的技术水平，也为后续的媒体内容分析与多模态信息整合研究奠定了重要基础。

数据集最近研究

最新研究方向

在希腊语自然语言处理领域，ERT-Press数据集凭借其长达十年的官方新闻稿档案，为希腊语文本分析提供了珍贵的语料资源。当前研究聚焦于利用该数据集训练希腊语大语言模型，以提升在新闻文本分类、命名实体识别和自动摘要等任务上的性能。同时，学者们正探索基于时间序列的公共传播模式分析，旨在揭示媒体话语的演变趋势及其社会影响。这些研究方向不仅推动了希腊语NLP技术的发展，也为跨文化媒体研究提供了实证基础。