2020年7月至2023年10月人民日报官网新闻数据集

数据内容：数据集包含人民日报2020年7月至2023年10月之间的文本数据，总计文本79719件。用以支持新闻知识图谱的构建。不涉及个人隐私、社会机构及公共利益等敏感数据。
采集方案：通过收集公开数据、自动清洗提取的方式进行数据采集。
时间及地点：采集于2022年-2023年，媒体融合生产技术与系统国家实验室智能化视频生产系统研究部，杭州。

搜集汇总

背景与挑战

背景概述

该数据集收录了2020年7月至2023年10月期间人民日报官网的新闻文本，共计79719件，旨在支持新闻知识图谱的构建。数据通过公开采集和自动清洗方式获取，由新华智云科技有限公司在2022年至2023年于杭州整理完成。