newsgroup

20 Newsgroups 汇集了约 20,000 篇新闻组文档，这些文档几乎平均地分布在 20 个不同的新闻组中。该数据集主要包含文本内容，样本规模在1万到10万之间，主要用于文本分类和文本聚类等机器学习技术的实验。每个数据样本都包含一段文本。目前，该数据集的授权许可信息未知。