AiresPucrs/News-Category-Dataset

---
dataset_info:
features:
- name: text
dtype: string
- name: labels
dtype: string
splits:
- name: train
num_bytes: 40031578
num_examples: 209527
download_size: 27470311
dataset_size: 40031578
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
license: cc-by-4.0
language:
- en
size_categories:
- 100K<n<1M
task_categories:
- text-classification
pretty_name: News Category Dataset
---
# News Category Dataset (Teeny-Tiny Castle)

This dataset is part of a tutorial tied to the [Teeny-Tiny Castle](https://github.com/Nkluge-correa/TeenyTinyCastle), an open-source repository containing educational tools for AI Ethics and Safety research.

## How to Use

```python
from datasets import load_dataset

dataset = load_dataset("AiresPucrs/News-Category-Dataset", split = 'train')
```

原始信息汇总

News Category Dataset

概述

News Category Dataset 包含来自42个类别的文章，大约21万条从2012年到2022年从HuffPost获取的新闻标题，以及有用的元数据，以支持各种NLP任务。

数据集详情

• 数据集名称: News Category Dataset
• 总大小: 209,527条记录
• 每条记录的属性:
  • category: 文章发布的类别
  • headline: 新闻文章的标题
  • authors: 为文章做出贡献的作者列表
  • link: 原始新闻文章的链接
  • short description: 新闻文章的摘要
  • date: 文章的发布日期

内容

数据集包含一个数据框，具有以下列：

• text: 文本
• labels: 标签 [字符串]

使用方法

python from datasets import load_dataset

dataset = load_dataset("AiresPucrs/News-Category-Dataset", split="train")

许可证

News Category Dataset 使用 Creative Commons(CC) License CC BY-NC-SA 4.0 许可证。