Nexdata/Chinese_News_Text_Data

新闻内容数据，总计约35G；每条新闻评论内容包括ID、时间、新闻标题和新闻正文；该数据集可用于LLM训练、ChatGPT等任务。数据收集时间为1991年2月1日至2017年7月，存储格式为json，语言为中文。数据量方面，中性数据不少于1.6小时，带有填充词的数据不少于0.4小时，其余六种情感数据每种不少于1.67小时。

This news content dataset has a total size of approximately 35 GB. Each news comment entry contains ID, timestamp, news headline, and news body. This dataset can be utilized for tasks such as LLM training and ChatGPT-related projects. The data collection period spans from February 1, 1991 to July 2017. The dataset is stored in JSON format and is in the Chinese language. In terms of data volume: neutral data accounts for no less than 1.6 hours, data with filler words accounts for no less than 0.4 hours, and each of the remaining six sentiment categories has a duration of no less than 1.67 hours.

原始信息汇总

数据集卡片 Nexdata/Chinese_News_Text_Data

描述

新闻内容数据，总计约35G；每条新闻评论内容包含ID、时间、新闻标题和新闻正文；此数据集可用于LLM训练、chatgpt等任务。

规范

数据内容

新闻内容数据

数据大小

约35G

数据字段

id, time, title, body

收集时间

1991年2月1日至2017年7月2日

存储格式

json

语言

中文

数据量

• 中性数据量不少于1.6小时
• 含填充词的数据量不少于0.4小时
• 其余六种情感数据量每种不少于1.67小时

许可信息

商业许可