iqballx/indonesian_news_datasets

该数据集汇集了来自七个印度尼西亚主要新闻平台（Tempo、CNN Indonesia、CNBC Indonesia、Okezone、Suara、Kumparan和JawaPos）的文章信息。数据集包含多个列，如唯一标识符、标题、图像、源链接、完整新闻内容、文本嵌入、创建时间戳、最后更新时间戳和文章摘要。这些信息有助于进行各种自然语言处理任务和分析。

原始信息汇总

印度尼西亚新闻数据集

数据集概述

该数据集汇集了来自七个印度尼西亚主要新闻平台的文章，包括Tempo、CNN Indonesia、CNBC Indonesia、Okezone、Suara、Kumparan和JawaPos。每个来源都提供了多样化的文章，共同构成了一个全面的印度尼西亚新闻内容库。

数据集内容

数据集包含以下列：

• id：每篇新闻文章的唯一标识符。
• title：新闻标题。
• image：相关视觉内容。
• url：来源链接。
• content：新闻文章的全文。
• embedding：使用OpenAI的text-embedding-ada-002模型提取的文本嵌入。
• created_at：创建时间戳。
• updated_at：最后更新时间戳。
• summary：通过ChatGPT API生成的文章摘要。

这些列共同代表了每篇新闻文章的全面信息，便于进行各种自然语言处理任务和分析，同时提供了丰富的上下文细节，以便进行有效的探索和建模。

语言

• 印度尼西亚语

任务类别

• 文本分类
• 摘要生成

许可证

• CC BY-NC 4.0