数据集概述
该数据集包含从孟加拉国主流新闻平台收集的2500篇孟加拉语新闻文章，分为经济、娱乐、国际、体育、国内五个平衡类别，每类500篇，支持孟加拉语文本分类、自然语言处理及相关机器学习任务。
文件详解
- 文件名称：Bangla_Data_Artical_Dataset.zip
- 文件格式：ZIP压缩包
- 内容说明：压缩包内为2500篇孟加拉语新闻文章的纯文本文件，覆盖经济、娱乐、国际、体育、国内五个新闻领域，每类各500篇，无训练/测试、数据/标签或原始/处理数据的拆分结构
数据来源
Prothom Alo、Jugantor、Ittefaq、Bdnews24、Kaler Kantho、Bangla Tribune、Samakal
适用场景
- 孟加拉语NLP研究：用于开发和优化孟加拉语新闻文本分类模型
- 机器学习模型 benchmark：对比卷积神经网络（CNN）与循环神经网络（RNN）在多标签新闻分类任务中的性能
- 新闻内容管理：支持自动化新闻分类、主题过滤及个性化内容推荐系统的开发
- 语言学研究：为孟加拉语语言特征分析及NLP pipeline构建提供语料支持
