数据集概述
本数据集包含通过主题建模和朴素贝叶斯分类器（NBC2+4）对历史新闻文章进行的标注结果，按文章标题组织。内容涵盖瑞士新闻文章的主题标签及分布、第4轮NBC分类中欧洲反现代概念的前100个显著词，为新闻文本的主题分析提供结构化标注数据。
文件详解
- 文件1：Bunout-newspaper article-annotations-w_TM_NBC-JOHD.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含瑞士新闻文章的主题标签及分布信息，按文章标题组织，记录每个标题对应的主题标签及其在文章集合中的分布情况。
- 文件2：top 100 words-EA.xlsx
- 文件格式：XLSX
- 字段映射介绍：列出第4轮NBC分类中，与欧洲反现代概念相关的100个最显著词汇。
适用场景
- 新闻文本主题分析：利用主题标签及分布数据，研究瑞士新闻文章的主题结构与内容倾向。
- NLP模型效果验证：基于朴素贝叶斯分类器的标注结果，评估文本分类模型在历史新闻数据上的性能。
- 词汇显著性研究：分析欧洲反现代概念相关的显著词汇，探究特定主题的语言特征与语义表达。
- 媒体内容趋势挖掘：通过主题分布数据，追踪历史新闻中特定主题的出现频率与演变趋势。
