Headlines dataset

用于讽刺检测的 Headlines 数据集是从两个新闻网站收集的。 TheOnion 旨在制作时事的讽刺版本。该数据集包括来自新闻简报和照片新闻类别（讽刺）的所有标题以及来自 HuffPost 的真实（和非讽刺）新闻标题。该数据集与现有 Twitter 数据集相比具有以下优势： 由于新闻标题是由专业人员以正式方式编写的，因此没有拼写错误和非正式使用。这减少了稀疏性，也增加了找到预训练嵌入的机会。此外，由于 TheOnion 的唯一目的是发布讽刺新闻，因此与 Twitter 数据集相比，该数据集具有高质量的标签和更少的噪音。与回复其他推文的推文不同，获得的新闻标题是自包含的。