TopicNet/WikiRef-220

---
language:
- en
multilinguality:
- monolingual
license: other
license_name: topicnet
license_link: >-
https://github.com/machine-intelligence-laboratory/TopicNet/blob/master/LICENSE.txt
configs:
- config_name: "bag-of-words"
default: true
data_files:
- split: train
path: "data/wiki_ref220_bow.csv.gz"
- config_name: "natural-order-of-words"
data_files:
- split: train
path: "data/wiki_ref220_natural_order.csv.gz"
task_categories:
- text-classification
task_ids:
- topic-classification
- multi-class-classification
- multi-label-classification
tags:
- topic-modeling
- topic-modelling
- text-clustering
- multimodal-data
- multimodal-learning
- modalities
- document-representation
---

# WikiRef220

## References

1. Gialampoukidis, I., Vrochidis, S., & Kompatsiaris, I. (2016). A Hybrid Framework for News Clustering Based on the DBSCAN-Martingale and LDA. In Machine Learning and Data Mining in Pattern Recognition (pp. 170-184). Springer International Publishing.

语言：
- 英语
多语言属性：
- 单语
许可证：其他
许可证名称：TopicNet
许可证链接：https://github.com/machine-intelligence-laboratory/TopicNet/blob/master/LICENSE.txt
配置项：
- 配置名称："词袋模型（bag-of-words）"
默认启用：是
数据文件：
- 拆分集：训练集
路径："data/wiki_ref220_bow.csv.gz"
- 配置名称："自然词序（natural-order-of-words）"
数据文件：
- 拆分集：训练集
路径："data/wiki_ref220_natural_order.csv.gz"
任务类别：
- 文本分类（text-classification）
任务子类型：
- 主题分类（topic-classification）
- 多类别分类（multi-class-classification）
- 多标签分类（multi-label-classification）
标签：
- 主题建模（topic-modeling）
- 主题建模（topic-modelling）
- 文本聚类（text-clustering）
- 多模态数据（multimodal-data）
- 多模态学习（multimodal-learning）
- 模态（modalities）
- 文档表征（document-representation）

# WikiRef220数据集

## 参考文献
1. Gialampoukidis I, Vrochidis S, Kompatsiaris I. (2016). 基于DBSCAN-鞅与潜在狄利克雷分配（Latent Dirichlet Allocation，LDA）的新闻聚类混合框架. 收录于《机器学习与数据挖掘在模式识别》（Machine Learning and Data Mining in Pattern Recognition）. 施普林格国际出版公司（Springer International Publishing）, 第170-184页.

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 多语言性: 单语种
• 许可证: topicnet
• 许可证链接: https://github.com/machine-intelligence-laboratory/TopicNet/blob/master/LICENSE.txt

配置

• 配置1: bag-of-words
  • 默认: 是
  • 数据文件:
    • 分割: 训练
    • 路径: "data/wiki_ref220_bow.csv.gz"
• 配置2: natural-order-of-words
  • 数据文件:
    • 分割: 训练
    • 路径: "data/wiki_ref220_natural_order.csv.gz"

任务类别

• 文本分类

任务ID

• 主题分类
• 多类别分类
• 多标签分类

标签

• 主题建模
• 文本聚类
• 多模态数据
• 多模态学习
• 模态
• 文档表示

搜集汇总

数据集介绍

构建方式

TopicNet/WikiRef-220数据集的构建，采用自维基百科中提取的220个话题相关文档，其构建方式涵盖了词袋模型以及自然词序两种配置。词袋模型配置下，数据以向量化形式呈现，忽视了词序信息，而自然词序配置则保留了文本中的词序信息，以更贴近人类语言习惯的方式表征数据。

特点

该数据集独具特色，不仅包含了单一语言的单语种数据，还提供了两种不同的数据表征方式，即词袋模型和自然词序，为文本分类任务如话题分类、多类别分类及多标签分类提供了多元化的训练素材。此外，数据集遵循topicnet协议，且具备丰富的标注，为话题模型研究、文本聚类以及多模态学习等领域的研究提供了坚实的基础。

使用方法

用户在使用TopicNet/WikiRef-220数据集时，可根据具体任务需求选择词袋模型或自然词序配置的数据文件。数据以CSV格式压缩存储，可通过解压后直接加载至数据分析框架中，利用其提供的训练集进行模型训练。此外，用户需遵守数据集的许可协议，确保合法合规使用数据。

背景与挑战

背景概述

TopicNet/WikiRef-220数据集，诞生于2016年，由希腊雅典国立科技大学机器智能实验室的研究人员Gialampoukidis、Vrochidis和Kompatsiaris共同构建。该数据集针对文本分类领域，特别是话题分类、多类别分类以及多标签分类任务，提供了丰富的文本数据资源，对于推动文本聚类和主题模型的研究具有重要意义。

当前挑战

在构建过程中，该数据集的挑战主要体现在如何有效融合多种模态数据，以及如何从大规模文本数据中提取具有区分度的特征。此外，数据集在解决领域问题时，面临着如何准确识别和分类文本中的多主题，以及如何在保持数据质量的同时，处理和存储大量文本数据等挑战。

常用场景

经典使用场景

在文本分类与主题模型研究领域，TopicNet/WikiRef-220数据集被广泛用于训练模型以识别文档中的主题类别。其独特的bow（词袋模型）与natural-order（自然排序）配置，为研究者提供了处理文本数据的多样视角，进而优化模型的特征提取与分类性能。

衍生相关工作

基于该数据集的研究催生了众多经典工作，如Gialampoukidis等人在2016年的研究中，运用了DBSCAN-Martingale与LDA结合的框架进行新闻聚类，拓展了数据集的应用范围，并推动了主题模型与聚类算法的融合创新。

数据集最近研究

最新研究方向

近年来，随着文本分类和主题模型领域研究的不断深入，TopicNet/WikiRef-220数据集凭借其独特的构建方式和丰富的标注信息，成为学者们关注的焦点。该数据集支持多种任务类别，包括主题分类、多类分类和多标签分类等，使其在文本聚类和文档表示研究领域具有广泛的应用前景。目前，研究者们正致力于探索如何结合多模态数据和学习方法，以提高主题建模的准确性和效率，从而推动信息检索、自然语言处理等领域的进步。