# toutiao-multilevel-text-classfication-dataset

**Repository Path**: yfxiehome/toutiao-multilevel-text-classfication-dataset

## Basic Information

- **Project Name**: toutiao-multilevel-text-classfication-dataset
- **Description**: 今日头条中文新闻文本(多层)分类数据集
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2019-11-29
- **Last Updated**: 2020-12-20

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 中文文本多层分类数据集

这是[另一个数据集](https://github.com/fateleak/toutiao-text-classfication-dataset)的加强版，为多级分类，分类更全（含1000+多级分类），量更大。



<br />

数据来源：

今日头条客户端



<br />

文本多层分类的概念见下图

![](mlc.png)


<br />




数据格式：

```
1000866069|,|tip,news|,|【互联网资讯】PPT设计宝典!十招教你做出拿得出手的PPT|,|互联网,美国,ppt,powerpoint,幻灯片,演示文稿,微软,字体列表|,|
```

每行为一条数据，以`|,|`分割的各字段，从前往后分别是 新闻ID，分类代码，新闻字符串（仅含标题），新闻关键词，新闻label




<br />


所有分类的目录见 `all_cat.txt`



<br />



数据规模：

共2914000条，分布于1000+个多层的类别中。




<br />


采集时间：

2018年06月



<br />



NLP chat group：


![](http://fate2.oss-cn-shanghai.aliyuncs.com/meta/qq-qun-nlp.jpeg)

<br />

LISCENSE


[WTFPL](https://zh.wikipedia.org/zh-hans/WTFPL)