新闻分类数据集

人们依赖新闻来了解世界各地正在发生的事情并指导其日常生活。在当今虚假新闻泛滥的世界中，拥有一个大规模且高质量的、带有已发布分类信息的真实新闻文章来源，对于学习真实新闻的自然语言句法与语义而言十分宝贵。作为本工作的一部分，我们提出了一个新闻分类数据集，其中包含从 HuffPost 获取的约 21 万条 2012 年至 2022 年的新闻标题，以及有助于实现多种 NLP 任务的实用元数据。在本文中，我们还从该数据集中产生了一些新颖的见解，并描述了我们数据集的各种现有与潜在应用。