AhmadMustafa/Urdu-Instruct-News-Category-Classification

该数据集是从Khalid Hussain、Nimra Mughal、Irfan Ali、Saif Hassan和Sher Muhammad Daudpota提供的原始数据集转换而来。主要任务是从新闻段落生成并分类新闻类别。数据集包含训练集和测试集，分别有100674和11187个样本。提供了乌尔都语的提示模板和完成模板，并附有英文翻译。提示模板要求将给定的新闻段落分类为体育、娱乐、商业与经济、科学与技术等类别。完成模板则用于生成新闻所属类别的句子。

原始信息汇总

数据集概述

基本信息

• 语言: 乌尔都语
• 大小类别: 100K<n<1M
• 任务类别: 文本分类、文本生成、文本到文本生成
• 美观名称: Instruct News Category Classification Urdu

数据集信息

特征

• inputs: 字符串类型
• targets: 字符串类型
• template_id: 64位整数类型
• template_lang: 字符串序列类型

分割

• train:
  • 字节数: 261557910
  • 样本数: 100674
• test:
  • 字节数: 29048190
  • 样本数: 11187

下载和数据集大小

• 下载大小: 116629288
• 数据集大小: 290606100

配置

• config_name: default
  • 数据文件:
    • train: data/train-*
    • test: data/test-*

任务

生成新闻段落，并从新闻段落中分类新闻类别。

分割大小

• train: 100674
• test: 11187

提示模板（乌尔都语）

随机选择以下两个模板之一：

1. template_id 1:

   اس پیراگراف (خبروں) کو مندرجہ ذیل درجوں (کیٹگریز) میں سے ایک کیٹگری میں ڈالیں. درجے:

   • کھیل
   • تفریح،
   • کاروبار و معیشت،
   • سائنس اور ٹیکنالوجی

   پیراگراف: {}

2. template_id 2:

   دیے گی خبروں کو ایک لفظ یا درجہ (کیٹگری) میں بیان کریں. درجے:

   • کھیل
   • تفریح،
   • کاروبار و معیشت،
   • سائنس اور ٹیکنالوجی

   جملے: {}

完成模板（乌尔都语）

یہ دی گی خبریں {} سے تعلق رکھتی ہیں