yavuzkomecoglu/interpress_news_category_tr

Interpress土耳其新闻分类数据集（270K）是一个包含273,601条新闻的土耳其新闻数据集，分为17个类别。该数据集由Interpress媒体监测公司从2010年至2017年的印刷媒体和新闻网站中收集整理。数据集的结构包括id、标题、内容、类别、类别代码和发布时间等字段，并分为训练集和测试集。数据集的创建过程涉及从印刷媒体和互联网新闻中下载数据，但未提及详细的注释过程或注释者信息。

原始信息汇总

数据集概述

数据集名称： Interpress Turkish News Category Dataset (270K)

数据集大小： 270,000条新闻数据

语言： 土耳其语

数据集类型： 单语种

许可信息： 未知

数据集来源： 原始数据，由Interpress媒体监控公司从2010年至2017年收集自印刷媒体和新闻网站

数据集任务： 文本分类

类别数量： 17个新闻类别

数据集结构

数据实例： 包含新闻的ID、标题、内容、类别、类别代码和发布时间

数据字段：

• id: 新闻唯一标识，数据类型为int32
• title: 新闻标题，数据类型为string
• content: 新闻内容，数据类型为string
• category: 新闻类别，数据类型为class_label，包含17个类别名称
• categorycode: 新闻类别代码，数据类型为class_label，包含17个类别代码
• publishdatetime: 新闻发布时间，数据类型为string

数据分割： 数据集分为训练集和测试集，训练集包含218,880条数据，测试集包含54,721条数据

数据集创建

数据收集： 从印刷媒体和新闻网站下载超过270,000条新闻

数据预处理： 数据以原始形式提供，建议在使用前进行仔细的预处理，以处理可能的OCR错误和拼写错误

源语言生产者： 土耳其的印刷新闻来源和在线新闻网站

注释： 数据集不包含额外的注释