An Amharic News Text classification Dataset

在 NLP 中，文本分类是我们试图解决的主要问题之一，它在语言分析中的应用是无可争议的。缺乏标记的训练数据使得用阿姆哈拉语等资源匮乏的语言完成这些任务变得更加困难。收集、标记、注释和制作有价值的此类数据的任务将鼓励初级研究人员、学校和机器学习从业者用他们的语言实施现有的分类模型。在这篇简短的论文中，我们旨在介绍阿姆哈拉语文本分类数据集，该数据集包含超过 5 万篇新闻文章，分为 6 个类别。该数据集具有简单的基线性能，以鼓励研究和更好的性能实验。