Sogou News 新闻数据集

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

‌Sogou News 搜狗新闻数据集 290万+中文多分类新闻语料 含拼音转换版本 NLP训练测试专用资源‌

核心内容覆盖范围

本数据集由SogouCA与SogouCS两大官方新闻语料库整合构建，全库累计包含2,909,551篇真实中文新闻文章，覆盖5大主流新闻内容分类，语料经过标准化清洗处理：

训练样本维度：每类新闻分类均配套90,000条标注完成的训练样本，全量样本已完成中文转拼音的标准化转换，无需额外二次处理

测试样本维度：每个分类同步配套12,000条独立标注的测试样本，与训练集标注标准统一，可直接用于模型效果校验

全量新闻内容均来自公开合规的中文新闻源，内容场景覆盖社会资讯、科技动态、体育赛事、娱乐资讯、财经资讯等多类主流新闻场景，语料完整性和标注准确率符合学术研究与产业开发的双重标准。

数据集可用途径

该多分类新闻数据集适配多类NLP相关开发与科研场景：

中文文本分类、中文拼音转换相关的课程教学、高校实验室实验演示

中文大语言模型预训练、中文文本生成、拼音语义转换相关的学术论文基准验证

新闻内容自动分类、资讯标签智能生成、中文OCR后拼音语义校正等产业落地开发场景

作为开源中文基准语料，可直接用于各类中文自然语言处理算法的横向效果对比测试

Sogou News 新闻数据集.zip (4.71 KB, 需要: RMB 2 元)

2026-9-2 14:15:55 上传

需要: RMB 2 元  [购买]

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：EWS NEW 数据集 dataset DataS