新闻文章数据集

Question

我正在做一个新闻分类项目.基本上,该系统将基于预定义的主题(例如体育,政治,国际)对新闻文章进行分类.为了构建系统,我需要免费的数据集来训练系统.

到目前为止,经过几个小时的谷歌搜索和链接这里只适合数据集,我能找到的就是这个.虽然这很有希望,但我想我会尝试找到更多.

请注意我想要的数据集:

1. 包含完整的新闻文章,而不仅仅是标题
2. 是英文的
3. 以.txt格式,而不是XML或db

有谁能够帮我？

Answer 1

你可以构建它，你可以编写一个 Python/Perl/PHP 脚本来运行搜索，然后当你找到答案时，你可以使用正则表达式隔离属性......我认为这是最好的选择。这并不容易，但应该很有趣，最后你可以与我们分享这个数据集。