MA-tokenweights/all-the-news-2-tf-idf-wordlevel

该数据集是一个大规模的新闻文章数据集，包含超过250万篇训练文章，每篇文章具有以下特征：文章ID、来源分割信息、起始和结束行号、行数统计、文章字数统计、单词列表、TF-IDF得分、词元ID、词元权重、文章词元数量、文章全文、元数据索引、文章索引、标题、出版物名称、发布日期、URL链接和版块分类。数据集主要用于自然语言处理任务，如文本分析、信息检索和机器学习模型训练。