RohanAiLab/persian_news_dataset

---
pretty_name: persian_news_datset
language:
- fa
source_datasets:
- original
task_categories:
- text-classification
- sequence-modeling
task_ids:
- language-modeling
- multi-class-classification

---
# Persian_News_Dataset

# Dataset Summary

persian_news_dataset is a collection of 5 million news articles. News articles have been gathered from more than 10 news agencies for the last 12 years. This dataset can be used in different NLP tasks like language modeling, classification, supervised topic modeling,...

This effort is part of a bigger perspective to have several datasets in Persian language for different tasks that have two important factors: `free` and `easy-to-use`. Here is a quick HOW-TO for using this dataset in datasets library:[Demo-datasets](https://saied71.github.io/RohanAiLab/2021/09/03/Demo-datasets.html)

# Description

As discussed before, this dataset contains 5M news articles. Each article has these three attributes: text, title, category. Here is a sample of dataset:
```
text :سه‌شنبه شب از دور برگشت مرحله نیمه‌نهایی لیگ قهرمانان اروپا، منچسترسیتی در ورزشگاه «اتحاد» میزبان پاری‌سن‌ژرمن بود و با ارائه نمایشی حساب شده و تحسین برانگیز به پیروزی دو بر صفر دست یافت.بازی رفت در پاریس با برتری دو بر یک سیتی به اتمام رسیده بود و با این اوصاف تیم تحت هدایت «پپ گواردیولا» در مجموع با پیروزی چهار بر یک، راهی فینال شد.بارش برف موجب سفیدپوش شدن زمین شده بود و همین امر بر عملکرد تیم‌ها تاثیر گذاشت. دیدار در حالی آغاز به کار کرد که «امباپه» ستاره پاریسی‌ها که به تازگی از مصدومیت رهایی پیدا کرده است، نیمکت‌نشین بود.بازی با حملات میهمان آغاز شد و در دقیقه هفتم داور هلندی با تصمیمی عجیب اعتقاد داشت توپ به دست «زینچنکو» مدافع سیتی برخورد کرده و نقطه پنالتی را نشان داد، اما با استفاده از سیستم کمک داور ویدئویی، پنالتی پس گرفته شد. سیتی خیلی زود به هدفش رسید و در دقیقه ۱۰ حرکت عالی او و پاس به «دی‌بروین» موجب شد تا توپ در یک رفت و برگشت به «ریاض محرز» رسیده و این بازیکن الجزایری گل نخست بازی را برای میزبان به ارمغان آورد.در دقیقه ۱۶ ضربه سر «مارکینیوش» مدافع پیش‌تاخته پاری‌سن‌ژرمن با بدشانسی به تیرک دروازه سیتی برخورد کرد.در ادامه برای دقایقی، بازیکنان در میانه میدان خطاهای متعددی انجام دادند و این امر موجب ایجاد چند درگیری شد.هرچند نماینده فرانسه درپی جبران مافات بود اما برنامه‌ای برای رسیدن به این مهم نداشت تا نیمه نخست با همین یک گل همراه شود.در نیمه دوم هم حملات پاریسی‌ها سودی نداشت و در طرف مقابل منچسترسیتی، بازی بسیار هوشمندانه‌ای ارائه کرد.در دقیقه ۶۲ و در ضد حمله‌ای برق آسا، «فیل فودن» با پاسی عالی توپ را به «ریاض محرز» رساند تا این بازیکن گل دوم خود و تیمش را ثبت کرده و سند صعود سیتی به فینال را امضا کند.در دقیقه ۶۸ «آنخل دی‌ماریا» وینگر آرژانتینی تیم پاری‌سن‌ژرمن پس از درگیری با «فرناندینو» با کارت قرمز داور از زمین اخراج شد تا کار تیمش تمام شود.در این بازی پاری‌سن‌ژرمن با تفکرات «پوچتینو»، طراحی حملات خود را به «نیمار» سپرده بود اما این بازیکن مطرح برزیلی با حرکات انفرادی بیش از از اندازه، عملکرد خوبی نداشت و حملات تیمش را خراب کرد.در نهایت بازی با پیروزی سیتی همراه شد و مالکان ثروتمند منچسترسیتی به آرزوی خود رسیده و پس از سال‌ها سرمایه‌گذاری به دیدار نهایی رسیدند. این اولین حضور سیتی در فینال لیگ قهرمانان اروپا است.چهارشنبه شب در دیگر دیدار دور برگشت نیمه‌نهایی، چلسی انگلیس در ورزشگاه «استمفورد بریج» شهر لندن پذیرای رئال‌مادرید اسپانیا است. بازی رفت با تساوی یک بر یک به اتمام رسید
title:آرزوی سیتی برآورده شد؛ صعود شاگردان «گواردیولا» به فینال
category:ورزش
```

# Citation
```
[e-mail]
title={persian_news_dataset},
author={Saied Alimoradi},
year={2021}
}
```

原始信息汇总

数据集概述

名称: persian_news_dataset

语言:

• فارسی (Persian)

来源:

• 原始数据

任务类别:

• 文本分类
• 序列建模

任务ID:

• 语言建模
• 多类分类

描述:

• persian_news_dataset 包含500万篇新闻文章，这些文章来自过去12年超过10家新闻机构。该数据集适用于多种自然语言处理任务，如语言建模、分类、监督式主题建模等。

数据集内容:

• 每篇文章包含三个属性：文本、标题、类别。

示例:

text : سه‌شنبه شب از دور برگشت مرحله نیمه‌نهایی لیگ قهرمانان اروپا، منچسترسیتی در ورزشگاه «اتحاد» میزبان پاری‌سن‌ژرمن بود و با ارائه نمایشی حساب شده و تحسین برانگیز به پیروزی دو بر صفر دست یافت. title: آرزوی سیتی برآورده شد؛ صعود شاگردان «گواردیولا» به فینال category: ورزش

引用信息:

[e-mail] title={persian_news_dataset}, author={Saied Alimoradi}, year={2021} }