linux-cn/archive

这个数据集为Linux中国原创技术文章和翻译技术文章的数据集，提供了文章标题、内容、作者、源地址、摘要、图片、标签、类别、访问量、评论数据等多个字段。数据集主要用于中文自然语言处理任务，涵盖了丰富的技术文章内容。

原始信息汇总

Linux 中国原创文章/译文数据集

数据集描述

• 语言(NLP): 中文
• 许可证: cc-by-nc-4.0

数据集结构

• id: 文章ID
• title: 文章标题
• author: 文章作者
• fromurl: 文章源地址（仅翻译类文章有）
• summary: 总结
• excerpt: 摘要
• pic: 头图（缩略图版）
• largepic: 头图（大图版）
• titlepic: 是否有头图，可以渲染用
• islctt: 是否是 LCTT 文章（翻译文章）
• selector: 选题人员，值为 Github ID
• translator: 翻译人员，值为 Github ID
• reviewer: 校对人员，值为 Github ID
• tags: 文档标签
• category: 文档所属目录
• count: 计数
  • viewnum: 访问量
  • commentnum: 评论量
  • favtimes: 收藏量
  • sharetimes: 分享量
  • likes: 喜欢量
• comments_data: 评论数据
  • postip: 评论 IP
  • dateline: 评论时间
  • message: 评论内容
  • username: 评论名
  • repcids: 回复的评论的 ID
• related: 相关文章的 ID
• date: 发布日期
• updated: 最后更新日期
• permalink: 永久链接（Linux.cn 上的链接）
• content: 文章内容

数据集联系

• 联系人: bestony [e-mail]

搜集汇总

背景与挑战

背景概述

该数据集收录了 Linux 中国网站的原创和翻译技术文章，包含丰富的元数据如作者、标签、评论等，适用于自然语言处理和技术内容分析。数据集以 JSON 格式提供，适合用于研究中文技术文档的特点和模式。