UNDP/sdgi-corpus
收藏官方服务：
资源简介：
SDGi Corpus是一个用于文本分类的多语言数据集，包含超过7000个示例，涵盖英语、法语和西班牙语。数据集来源于联合国可持续发展目标（SDGs）的国家和地方自愿审查报告（VNRs和VLRs），并包含了丰富的元数据信息。数据集分为训练集和测试集，分别包含5880和1470个示例。每个示例包括文本、嵌入向量、标签和元数据。数据集的主要用途是文本分类任务，如多标签分类、主题建模等。
SDGi Corpus是一个用于文本分类的多语言数据集，包含超过7000个示例，涵盖英语、法语和西班牙语。数据集来源于联合国可持续发展目标（SDGs）的国家和地方自愿审查报告（VNRs和VLRs），并包含了丰富的元数据信息。数据集分为训练集和测试集，分别包含5880和1470个示例。每个示例包括文本、嵌入向量、标签和元数据。数据集的主要用途是文本分类任务，如多标签分类、主题建模等。
提供机构：
UNDP原始信息汇总
数据集概述
数据集特征
- text：字符串类型
- embedding：浮点数序列类型
- labels：整数序列类型
- metadata：结构化数据，包含以下字段：
- country：字符串类型
- file_id：字符串类型
- language：字符串类型
- locality：字符串类型
- size：字符串类型
- type：字符串类型
- year：整数类型
数据集分割
- 训练集：包含5880个样本，总大小为124052504字节
- 测试集：包含1470个样本，总大小为36948683字节
数据集大小
- 下载大小：129951175字节
- 数据集总大小：161001187字节
数据集配置
- 默认配置：数据文件路径如下
- 训练集：
data/train-* - 测试集：
data/test-*
- 训练集：
数据集信息
- 任务类别：文本分类
- 支持语言：英语（en）、西班牙语（es）、法语（fr）
- 标签：可持续发展目标（sustainable-development-goals, sdgs）
- 数据集名称：SDGi Corpus
- 数据集大小类别：1K<n<10K
