AG’s Corpus (AG's corpus of news articlesNews)

Antonio Gulli 的新闻文章语料库包含超过 100 万篇新闻文章。在一年多的活动中，ComeToMyHead 从 2000 多个新闻来源收集了这些文章。 ComeToMyHead 是一个学术新闻搜索引擎，自 2004 年 7 月开始运行。数据集由学术界提供，用于数据挖掘（聚类、分类等）、信息检索（排名、搜索等）、xml、数据压缩、数据流和任何其他非商业活动。该语料库的一个子集 AG News 由 4 个最大的类组成，是一个流行的主题分类数据集。