德语新闻文章主题分类数据集
数据来源：互联网公开数据
标签：德语,新闻,主题分类,多分类,语言模型,文本分类,研究数据集
数据概述：
本数据集是基于“百万帖子语料库”构建的德语新闻文章主题分类数据集，包含10,273篇奥地利在线报纸的德语新闻文章，按主题分为9个类别。每篇新闻文章由“百万帖子语料库”中的主题路径的第二部分作为标签，例如“Newsroom/Wirtschaft/Wirtschaftpolitik/Finanzmaerkte/Griechenlandkrise”中的“Wirtschaft”被用作类别标签。文章内容包括标题、正文及其他元数据，为德语文本分类研究提供了宝贵的数据基础。数据集中的类别分布不平衡，最大的类别“Web”包含1,678篇文章，而最小的类别“Kultur”包含539篇文章。文章长度也因类别不同而有所差异，例如“Web”类别文章平均字数较少，而“Kultur”类别文章则较长。
数据用途概述：
该数据集适用于德语文本分类任务，特别是主题分类研究。研究人员可以使用此数据集训练和评估德语文本分类器，为德语自然语言处理工具和模型的开发提供支持。此外，由于数据集的类别分布不平衡，也可用于研究和解决文本分类中的类别不平衡问题。数据集还可作为德语主题分类任务的基准数据集，用于对比和验证不同模型的性能。教育和培训场景中，该数据集也可用于德语文本分析和分类的学习和实践。
