今日头条中文新闻文本(多层)分类数据集(NLP/文本分类)

这是另一个数据集的加强版，为多级分类，分类更全（含1000+多级分类），量更大。

数据来源：

今日头条客户端

文本多层分类的概念见下图

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|,|
复制代码

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

所有分类的目录见 all_cat.txt

数据规模：

共2914000条，分布于1000+个多层的类别中。

采集时间：

2018年06月

下载地址

https://github.com/fateleak/toutiao-multilevel-text-classfication-dataset

NLP的同学加我微信吧：

LISCENSE

WTFPL