新闻文本挖掘数据集

20 Newsgroups数据集包含约2万篇新闻文本，涵盖20个不同主题的新闻组，常用于文本分类、聚类和自然语言处理任务。数据规模适中，文本内容真实且类别清晰，具有较高的语义区分度。该数据集适用于大模型预训练中的文本理解与表示学习，支持监督与无监督学习方法，广泛应用于信息检索、主题识别和文本挖掘等领域。