UdS-LSV/yoruba_bbc_topics

这是一个用于约鲁巴语（Yorùbá）新闻标题主题分类的数据集，类似于AG-news数据集。数据集的新闻标题来源于BBC约鲁巴语新闻，包含新闻标题、主题标签、发布日期和BBC文章ID等信息。数据集分为训练集、验证集和测试集，分别包含1340、189和379个样本。主题标签包括非洲、娱乐、健康、尼日利亚、政治、体育和世界等类别。

原始信息汇总

数据集卡片：Yoruba BBC新闻主题分类数据集（YorubaBbcTopics）

数据集描述

数据集摘要

一个新闻标题主题分类数据集，类似于AG-news，用于Yorùbá语。新闻标题收集自BBC Yoruba。

支持的任务和排行榜

[更多信息待补充]

语言

Yorùbá（ISO 639-1: yo）

数据集结构

数据实例

一个实例包含一个新闻标题句子、相应的主题标签以及发布信息（日期和网站ID）。

数据字段

• news_title: 新闻标题。
• label: 描述新闻标题主题的标签。可以是以下类别之一：africa, entertainment, health, nigeria, politics, sport 或 world。
• date: 发布日期（以Yorùbá语表示）。
• bbc_url_id: BBC文章的标识符。

数据分割

[更多信息待补充]

数据集创建

策划理由

[更多信息待补充]

源数据

初始数据收集和规范化

[更多信息待补充]

源语言生产者是谁？

[更多信息待补充]

注释

注释过程

[更多信息待补充]

注释者是谁？

[更多信息待补充]

个人和敏感信息

[更多信息待补充]

使用数据集的注意事项

数据集的社会影响

[更多信息待补充]

偏见的讨论

[更多信息待补充]

其他已知限制

[更多信息待补充]

附加信息

数据集策展人

[更多信息待补充]

许可信息

[更多信息待补充]

引用信息

[更多信息待补充]

贡献

感谢@michael-aloys添加此数据集。