ag_news_sottoinsieme

Descrizione :

AG è una raccolta di oltre 1 milione di articoli di notizie. Gli articoli di notizie sono stati raccolti da più di 2000 fonti di notizie da ComeToMyHead in più di 1 anno di attività. ComeToMyHead è un motore di ricerca di notizie accademiche attivo dal luglio 2004. Il set di dati è fornito dalla comunità accademica per scopi di ricerca nel data mining (clustering, classificazione, ecc.), recupero di informazioni (classifica, ricerca, ecc.), xml, compressione dei dati, streaming dei dati e qualsiasi altra attività non commerciale. Per maggiori informazioni si rimanda al link http://www.di.unipi.it/~gulli/AG_corpus_of_news_articles.html .

Il set di dati di classificazione degli argomenti delle notizie dell'AG è stato costruito da Xiang Zhang (xiang.zhang@nyu.edu) dal set di dati sopra. È usato come punto di riferimento per la classificazione del testo nel seguente documento: Xiang Zhang, Junbo Zhao, Yann LeCun. Reti convoluzionali a livello di carattere per la classificazione del testo. Progressi nei sistemi di elaborazione delle informazioni neurali 28 (NIPS 2015).

Il set di dati di classificazione degli argomenti delle notizie dell'AG è costruito scegliendo le 4 classi più grandi dal corpus originale. Ogni classe contiene 30.000 campioni di addestramento e 1.900 campioni di test. Il numero totale di campioni di addestramento è 120.000 e di test 7.600.

Documentazione aggiuntiva : Esplora documenti con codice
Pagina iniziale : https://arxiv.org/abs/1509.01626
Codice sorgente : tfds.datasets.ag_news_subset.Builder
Versioni :
- 1.0.0 (impostazione predefinita): nessuna nota di rilascio.
Dimensione del download : 11.24 MiB
Dimensione del set di dati: 35.79 MiB
Auto-cache ( documentazione ): Sì
Divisioni :

Diviso	Esempi
`'test'`	7.600
`'train'`	120.000

Struttura delle caratteristiche :

FeaturesDict({
    'description': Text(shape=(), dtype=string),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=4),
    'title': Text(shape=(), dtype=string),
})

Documentazione delle funzionalità :

Caratteristica	Classe	Tipo D
	CaratteristicheDict
descrizione	Testo	corda
etichetta	ClassLabel	int64
titolo	Testo	corda

Chiavi supervisionate (vedi as_supervised doc ): ('description', 'label')
Figura ( tfds.show_examples ): non supportato.
Esempi ( tfds.as_dataframe ):

Citazione :

@misc{zhang2015characterlevel,
    title={Character-level Convolutional Networks for Text Classification},
    author={Xiang Zhang and Junbo Zhao and Yann LeCun},
    year={2015},
    eprint={1509.01626},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}