该数据集包含IsiZulu新闻文章和标题以及Siswati新闻标题，数据来源于Isolezwe新闻网站和SABC新闻LigwalagwalaFM的Facebook页面。数据集经过注释处理，包含非ASCII字符和英语单词，需在模型训练前去除。数据集旨在为南非低资源语言IsiZulu和Siswati创建新闻分类模型。数据集使用IPTC NewsCodes作为分类标准，并移除了观察次数较少的类别。数据集

Hugging Face2023-10-25 更新230

SEACrowd/gklmip_newsclass

新闻分类

主题建模

GKLMIP Khmer新闻数据集是从Voice of America Khmer网站上抓取的新闻文章。数据集中的新闻文章被分为8个类别：文化、经济、教育、环境、健康、政治、权利和科学。该数据集支持的任务是主题建模。

Hugging Face2024-06-24 更新180

amyguan/newswire-30-40-labor

劳动运动

新闻分类

该数据集包含新闻文章及其相关元数据，涵盖了多个主题标签（如反垄断、民权、犯罪等）、命名实体识别（NER）信息、地理位置信息、提及的人物信息等。数据集的结构包括文章、作者、日期、报纸元数据等特征。训练集包含24,006个样本，总大小为119,648,060.35745402字节。

Hugging Face2024-12-08 更新150

dataset(2).json