spandyie/nepali-news-dataset

---
language:
- ne
license: other
task_categories:
- text-classification
tags:
- news
- nepali
- news-classification
pretty_name: Nepali News Dataset
size_categories:
- 1M<n<10M
---

# Nepali News Dataset

A large collection of Nepali news articles scraped from [Baahrakhari](https://baahrakhari.com) and other Nepali news sources, with cleaned category labels.

## Dataset Summary

- **Language:** Nepali (ne)
- **Total articles:** ~2.76 million
- **Format:** Parquet (snappy compressed)

## Features

| Column | Type | Description |
|--------|------|-------------|
| `category` | string | Original Nepali category label |
| `heading` | string | Article headline |
| `text` | string | Full article body |
| `date` | string | Publication date (Nepali calendar format) |
| `link` | string | Source URL |
| `clean_categories` | string | English category label |

## Category Distribution

| Category | Count |
|----------|-------|
| news | 702,150 |
| misc | 402,847 |
| politics | 250,668 |
| national | 225,204 |
| society | 214,447 |
| economy | 213,954 |
| sports | 179,669 |
| global | 125,672 |
| health | 64,707 |
| entertainment | 62,847 |
| ... | ... |

---
language:
- 尼泊尔语（ne）
license: 其他
task_categories:
- 文本分类
tags:
- 新闻
- 尼泊尔语
- 新闻分类
pretty_name: 尼泊尔语新闻数据集
size_categories:
- 100万<n<1000万
---

# 尼泊尔语新闻数据集

本数据集为从[Baahrakhari](https://baahrakhari.com)及其他尼泊尔语新闻来源爬取的大规模尼泊尔语新闻文章集合，附带经过标准化清洗的分类标签。

## 数据集概览
- **语言：** 尼泊尔语（ne）
- **总文章数：** 约276万篇
- **格式：** Parquet（采用snappy压缩）

## 数据特征
| 列名 | 数据类型 | 描述 |
|--------|------|-------------|
| `category` | 字符串 | 原始尼泊尔语分类标签 |
| `heading` | 字符串 | 文章标题 |
| `text` | 字符串 | 文章完整正文 |
| `date` | 字符串 | 发布日期（采用尼泊尔历法格式） |
| `link` | 字符串 | 来源URL |
| `clean_categories` | 字符串 | 经清洗后的英文分类标签 |

## 分类分布
| 分类 | 数量 |
|----------|-------|
| 新闻 | 702,150 |
| 其他 | 402,847 |
| 政治 | 250,668 |
| 国内 | 225,204 |
| 社会 | 214,447 |
| 经济 | 213,954 |
| 体育 | 179,669 |
| 国际 | 125,672 |
| 健康 | 64,707 |
| 娱乐 | 62,847 |
| …… | …… |