开放新闻库（OpenNewsArchive）|新闻文本数据集|预训练数据集数据集
收藏OpenDataLab2026-01-17 更新2024-05-09 收录
下载链接：
https://opendatalab.org.cn/OpenDataLab/OpenNewsArchive
下载链接
链接失效反馈资源简介：
此开放新闻库数据集是由OpenDataLab、联合蜜度、商汤等多家联盟机构进行开源开发，其中包含了880万篇新闻文章的信息，涵盖了各种不同主题和来源的新闻内容。
提供机构：
OpenDataLab
创建时间：
2024-04-28
AI搜集汇总
数据集介绍
背景与挑战
背景概述
开放新闻库数据集是一个包含880万篇新闻文章的大规模文本语料库，覆盖财经、健康、体育等多个板块，主要语言为中文和英文。数据集经过严格的清洗处理，去除HTML标签、无效文本和重复内容，确保数据纯净和高质量，且新闻内容主要为2023年发布，具有时效性，适用于文本预训练和语言模型研究。
以上内容由AI搜集并总结生成
