reuters

OpenML2019-04-03 更新2024-05-23 收录

文本分类

多标签学习

数据链接：

https://www.openml.org/search?type=data&sort=runs&status=active&id=41547 数据链接链接失效反馈

官方服务：

资源简介：

Multi-label dataset. A subset of the reuters dataset includes 2000 observations for text classification.

创建时间：

2019-04-03

taishi-i/awesome-japanese-nlp-classification-dataset

自然语言处理

文本分类

该数据集用于识别GitHub仓库描述是否与日本自然语言处理（NLP）相关，标签分为相关（1）和不相关（0）。训练数据为2022年之前的仓库描述，测试数据为2023年的仓库描述。正例数据来自特定资源，负例数据通过GitHub API收集并经过人工确认。数据集特征包括主观标注、混合的英文和日文描述以及不平衡的标签分布。该数据集适用于评估模型在真实世界中的表现，并且仅用于研究目的。

Hugging Face2023-09-09 更新160

pychatbot/VN17_domain_classifier

文本分类

领域分类

这是一个文本分类数据集，包含13个类别的文本数据，分别为：技术、教育、娱乐、科学、经济、房地产、法律、世界、体育、文化、车辆、社会和生活。数据集的训练集部分有26000个示例。

Hugging Face2025-02-13 更新80

TIB/TIBKAT-subject-indexing-dataset

文本分类

主题索引

TIBKAT学科索引数据集是一个多语言文本分类数据集，包含英语和德语两种语言。数据集规模在10万到100万之间。它被设计用于学科索引任务，并提供了训练集、开发集和两个测试集（盲测试集和黄金测试集），所有数据文件均采用Parquet格式存储。

Hugging Face2025-10-10 更新70

lingvenvist/animacy-et-original-rebalanced-fixed

自然语言处理

文本分类

该数据集包含句子、标记、动画标签、目标索引和来源等特征。数据集被分为训练集、测试集和验证集，其中训练集包含17817个示例，测试集包含3231个示例，验证集包含373个示例。总下载大小为2920926字节，数据集总大小为6294528字节。

Hugging Face2024-12-12 更新90

Test25.txt

戏剧文学

文本分类

64 Dramen Calderón de la Barcas, txt-Dateien, UTF-8 codiert, 15 davon Komödien (Dateiname mit C beginnend), 15 Tragödien (mit T beginnend), 35 Dramen unbekannter Klassifikation (mit "Test" beginnend)

DataCite Commons2021-08-13 更新80

reuters

资源简介：

相关数据集