Select Language

公开数据集

KDC-4007 库尔德语新闻和文章的数据集

KDC-4007 库尔德语新闻和文章的数据集

Scene:

NLP

Data Type:

Classification
所需积分:20 去赚积分?
  • 243浏览
  • 0下载
  • 0点赞
  • 收藏
  • 分享

Data Preview ? 853K

    Data Structure ?

    *数据结构实际以真实数据为准

    这个数据集最重要的特点是使用简单,并且有很好的记录,可以广泛用于有关库尔德索拉尼新闻和文章的各种文本分析研究。

    这些文件包括八个类别,即体育、宗教、艺术、经济、教育、社会、风格和健康。每个类别由500个文本文件组成,语料库的总规模为4,007个文本文件。

    该数据集和文件已经可以免费使用,以便有可重复的结果用于实验评估。

    Attribute Information:

    有四个集合。

    - ST-Ds数据集,使用库尔德语预处理步骤的方法来消除停止词。

    - pre-ds数据集,使用库尔德语预处理步骤的方法。

    - Pre+TW-Ds数据集,对Pre-Ds数据集进行了TF-IDF术语加权处理。

    - Orig-Ds数据集,没有使用任何过程,这是原始数据集。

    Relevant Papers:

    [1] Arazo M. Mustafa and Tarik A. Rashid,“ Kurdish Stemmer Pre-processing Steps for Improving Information Retrieval”, Journal of Information Science, First published date: january-01-2017, 10.1177/0165551516683617.
    [2] Tarik A. Rashid, Arazo M. Mustafa and Ari M. Saeed, 2017.'A Robust Categorization System for Kurdish Sorani Text documents'. Information Technology Journal, 16: 27-34.
    [3] Tarik A. Rashid, Arazu M. Mustafa, Ari M. Saeed Automatic Kurdish Text Classification Using KDC 4007 Dataset, accepted in Springer book, Series Title: Lecture Notes on Data Engineering and Communications Technologies: Book title: Advances in Internetworking, Data & Web Technologies, Indexing: The books of this series are submitted to ISI Proceedings, EI, Scopus, metaPress, Springerlink, 2017.

    Citation Request:

    If you have no special citation requests, please leave this field blank.

    0相关评论
    ×

    帕依提提提温馨提示

    该数据集正在整理中,为您准备了其他渠道,请您使用

    注:部分数据正在处理中,未能直接提供下载,还请大家理解和支持。