pstuerner/ukraine-liveblog

“ukraine-liveblog”数据集包含在德国新闻网站tagesschau.de的实时博客上发布的新闻文章集合。该数据集涵盖了2022年2月至2023年2月期间发布的每一篇关于乌克兰战争的新闻文章。数据集的语言为德语，特征为text，数据类型为字符串。数据集分为训练集和测试集，训练集包含15083个实例，测试集包含1676个实例。数据集的创建动机包括收集和分析关于乌克兰冲突的信息，了解德国媒体如何报道该冲突，并为NLP爱好者提供资源以在额外的德语数据上微调GPT2。数据集来源于tagesschau.de关于乌克兰战争的实时博客，数据收集和规范化过程使用了自定义的Python脚本，该脚本利用了newspaper和beautifulsoup4库。文章的撰写者为Tagesschau的记者。

原始信息汇总

数据集概述

数据集名称

• 名称: German Articles about the War in Ukraine

数据集特征

• 特征:
  • text: 文章主体，德语，字符串类型。

数据集结构

• 数据实例:
  • 示例格式: JSON，包含标题和文本。
• 数据字段:
  • text: 文章主要内容。
• 数据分割:
  • train: 包含15,083个实例，占90%。
  • validation: 包含1,676个实例，占10%。

数据集大小

• 下载大小: 7,404,260字节
• 数据集大小: 12,971,537字节

任务类别

• 任务: 文本生成

语言

• 语言: 德语

数据集来源

• 来源: 德国新闻网站tagesschau.de的乌克兰战争实时博客
• 数据收集: 使用Python脚本从实时博客中抓取数据
• 源语言生产者: Tagesschau记者

数据集使用注意事项

• 个人和敏感信息: 数据集不包含任何个人或敏感信息，所有信息均为公开可用。