适用于中文中长文本分类 原始数据集和已经划分的数据集已给出
划分的数据集经过数据预处理，删除了其中的重复文本，以及文本长度小于50的句子，最终构造的平衡语料 训练集 5800 测试集 1000条 验证集1000 （正负评论各站一半）
2023-01-15 11:06:10
3.33MB
1
复旦中文文本数据集，包含训练集与测试集，数据集为TXT格式，可以进行文本分类实验，机器学习，深度学习，需要的可以下载。
2021-06-26 20:27:01
142.08MB
1
cnews中文文本分类数据集；由清华大学根据新浪新闻RSS订阅频道2005-2011年间的历史 数据筛选过滤生成，训练过程见我的博客；
2021-06-02 20:25:12
42.97MB
1
由复旦大学李荣陆提供。answer.rar为测试语料，共9833篇文档；train.rar为训练语料，共9804篇文档，分为20个类别。训练语料和测试语料基本按照1:1的比例来划分。收集工作花费了不少人力和物力，所以请大家在使用时尽量注明来源（复旦大学计算机信息与技术系国际数据库中心自然语言处理小组）。
2019-12-25 11:15:53
103.28MB
1
本语料库由复旦大学李荣陆提供。
train.zip共9804篇文档，test.zip共9832篇文档，都分为20个类别。
下载后可以自己重新切分数据，也可以直接用。
免费下载地址：链接:https://pan.baidu.com/s/1E2vUjyBtrlG0SBCkO-_IAQ 密码:dq9m
使用时尽量注明来源（复旦大学计算机信息与技术系国际数据库中心自然语言处理小组）。
2019-12-21 20:24:05
106.17MB
1
新闻栏目中文文本分类，新闻栏目一共有：
体育 5000
时政 5000
房产 5000
家居 5000
财经 5000
时尚 5000
科技 5000
教育 5000
娱乐 5000
游戏 5000
每个新闻栏目拥有5000条新闻，通过对新闻内容作为样本训练模型，使得该模型能够预测出该条新闻所属的栏目。
2019-12-21 20:19:49
66.03MB
1