ニュース記事データセット

Question

私はニュース分類でプロジェクトをやっています。基本的には、事前定義されたトピック（スポーツ、政治、国際など）に基づいてニュース記事を分類します。システムを構築するには、システムをトレーニングするための無料のデータセットが必要です。

これまでのところ、グーグルで2,3時間後にhereというリンクが見つかったのは、thisです。これで十分ですが、私はもっと見つけようと考えています。

注意私が欲しいのデータセットその：

1. は、完全なニュース記事だけでなく、タイトル
2. は、XMLまたはデシベル

、.txt形式で英語

ではないです含みます誰か助けてくれますか？

Answer 1

あなたはそれを構築することができます、Python/Perl/PHPスクリプトを書いて検索を実行すると、答えを見つけたら正規表現で属性を分離することができます。簡単ではありませんが楽しいはずです。最後に、このデータセットを私たちと共有することができます。

Answer 2

Reuters21578を試しましたか？テキスト分類の最も一般的なデータセットです。これはSGMLで形式化されていますが、構文解析してtxt形式に変換するのは簡単です。