christinacdl/clickbait_notclickbait_dataset

该数据集是一个用于文本分类任务的英文数据集，规模在10K到100K之间。数据集经过清理，去除了重复项，并仅保留了首次出现的文本。数据集被分为训练集、测试集和验证集，分割比例分别为0.2和0.2。训练集大小为43,802，测试集大小为8,760，验证集大小为2,191。数据集的标签定义为0表示非点击诱饵，1表示点击诱饵。

原始信息汇总

数据集概述

基本信息

• 许可证: Apache-2.0
• 任务类别: 文本分类
• 语言: 英语
• 数据集大小: 10K<n<100K

数据结构

• 标签定义:
  • 0: 非点击诱饵
  • 1: 点击诱饵

数据处理

• 去重: 数据集已清理重复项，保留首次出现的文本。
• 数据分割:
  • 训练集与测试集分割比例: 0.2
  • 测试集与验证集分割比例: 0.2

数据集大小

• 训练集大小: 43,802
• 测试集大小: 8,760
• 验证集大小: 2,191