AlleNoise大规模文本分类含真实标签噪声基准数据集

数据集概述

该数据集是用于大规模多类别文本分类任务的基准数据集，包含来自Allegro.com的电商产品标题及对应类别标签，标签噪声源于真实电商平台用户行为，同时提供人工验证的清洁标签和层级分类体系。

文件详解

• 文件名称: data_sheet.pdf
• 文件格式: PDF (.pdf)
• 文件内容: 为数据集的数据说明文档，可能包含数据集结构、标签噪声分布、分类体系、数据收集方法等核心信息

适用场景

• 文本分类模型鲁棒性研究: 测试模型在真实标签噪声下的分类性能
• 噪声标签学习算法开发: 用于设计和验证处理标签噪声的机器学习算法
• 电商文本分类应用: 探索电商产品标题分类任务中的实际挑战与解决方案
• 层级分类体系研究: 基于数据集中的层级分类结构开展相关算法研究