今日头条中文新闻（文本）分类数据集.zip

# 中文文本分类数据集 数据来源： 今日头条客户端 数据格式： ``` 6552431613437805063_!_102_!_news_entertainment_!_谢娜为李浩菲澄清网络谣言，之后她的两个行为给自己加分_!_佟丽娅,网络谣言,快乐大本营,李浩菲,谢娜,观众们 ``` 每行为一条数据，以`_!_`分割的个字段，从前往后分别是 新闻ID，分类code（见下文），分类名称（见下文），新闻字符串（仅含标题），新闻关键词 分类code与名称： ``` 100 民生 故事 news_story 101 文化 文化 news_culture 102 娱乐 娱乐 news_entertainment 103 体育 体育 news_sports 104 财经 财经 news_finance 106 房产 房产 news_house 107 汽车 汽车 news_car 108 教育 教育 news_edu 109 科技 科技 news_tech 110 军事 军事 news_military 112 旅游 旅游 news_travel 113 国际 国际 news_world 114 证券 股票 stock 115 农业 三农 news_agriculture 116 电竞 游戏 news_game ``` 数据规模： 共382688条，分布于15个分类中。 采集时间： 2018年05月 实验结果： 以0.7 0.15 0.15做分割。欢迎提交你使用本数据集的实验结果~ ``` Test Loss: 0.57, Test Acc: 83.81% precision recall f1-score support news_story 0.66 0.75 0.70 848 news_culture 0.57 0.83 0.68 1531 news_entertainment 0.86 0.86 0.86 8078 news_sports 0.94 0.91 0.92 7338 news_finance 0.59 0.67 0.63 1594 news_house 0.84 0.89 0.87 1478 news_car 0.92 0.90 0.91 6481 news_edu 0.71 0.86 0.77 1425 news_tech 0.85 0.84 0.85 6944 news_military 0.90 0.78 0.84 6174 news_travel 0.58 0.76 0.66 1287 news_world 0.72 0.69 0.70 3823 stock 0.00 0.00 0.00 53 news_agriculture 0.80 0.88 0.84 1701 news_game 0.92 0.87 0.89 6244 avg / total 0.85 0.84 0.84 54999 以上Acc较低的原因： 1，数据不均衡，部分类目数据太少 2，部分分类之间本身模棱两可，例如故事、文化、旅行 详见text-class xxxx内代码 后续可以优化的地方： 1，更多的数据 2，更全的分类 因为分类不全，例如缺少美食等，导致实际使用时，分哪里都不对的情况出现。 3，更均衡的分类数据 4，引入正文 ``` ### NLP chat group Welcome