TheBritishLibrary/web_archive_classification

该数据集由UKWA手动整理，包含了对网站的两层主题分类。数据集来源于Internet Archive和JISC的合作，涵盖了1996年至2013年间以.uk结尾的域名资源。数据集以TSV格式提供，旨在用于训练自动分类系统，以自动化UKWA更大档案的分类。数据集的语言为英语，大小为10K到100K之间，适用于文本分类任务，特别是多类和多标签分类。

原始信息汇总

数据集概述

数据集基本信息

• 名称: UK Selective Web Archive Classification Dataset
• 语言: 英语 (en)
• 许可证: 其他
• 多语言性: 单语
• 大小: 10K<n<100K
• 来源: 原始数据
• 任务类别: 文本分类
• 任务ID: 多类分类, 多标签分类

数据集描述

• 摘要: 该数据集包含由UKWA手动策划的选择性档案，包括将站点分类到两级主题层次结构中。与Internet Archive和JISC合作，UKWA获得了与英国相关的Internet Archive网络收藏的子集的访问权限。JISC UK Web Domain Dataset（1996 - 2013）包含了来自Internet Archive的所有资源，这些资源托管在以“.uk”结尾的域上，或者需要渲染这些英国页面。UKWA已将这种手动生成的分类信息作为开放数据集以Tab Separated Values（TSV）格式提供。

许可证信息

• 许可证: Creative Commons Public Domain Mark 1.0.