发帖
雷达卡
1. 数据集基础属性
Reuters-21578 Dataset是全球经典的文本分类研究基准测试集合，属于多类、多标签数据集，作为RCV1数据集普及前的行业通用标准，广泛适配各类NLP文本分类算法训练、效果对照实验场景。
本次提供的是行业通用的Reuters-21578基准ModApte子目录版本，包含90个分类类目、7769个标注训练文件、3019个独立测试文件，是文本分类领域学术研究、工程落地验证的标杆数据集。
2. 数据集来源溯源
该数据集最早由Carnegie Group与Reuters在1987年开发CONSTRUE文本分类系统过程中完成收集与人工标记，1997年9月由AT&T Labs Research的David D. Lewis正式对外公开发布，所有标注规则均经过行业多轮验证，数据权威性得到全球学术圈公认。
3. 配套权威参考资料
随数据集同步提供4篇官方核心关联论文，完整覆盖数据集开发逻辑与文本分类方法指引：
《Automated Learning of Decision Rules for Text Categorization》
《Toward Language Independent Automated Learning of Text Categorization Models》
《TCS: A Shell for Content-Based Text Categorization》
《CONSTRUE/TIS: A System for Content-Based Indexing of a Database of News Stories》
Reuters-21578 文本分类数据集.zip
(1.15 KB, 需要: RMB 2 元)
京公网安备 11010802022788号
