雅虎问答10类别NLP数据集

雅虎问答10类别NLP数据集 数据来源：互联网公开数据
标签：问答分类,自然语言处理,NLP,文本分类,问答系统,文本分析,机器学习,主题分类

数据概述：
本数据集基于雅虎问答平台，按照10个主要类别构建，每个类别包含14万条训练样本和6千条测试样本，总计140万条训练样本和6万条测试样本。数据集仅使用了最佳答案内容和主类别信息。文件classes.txt列出了每个标签对应的类别名称。文件train.csv和test.csv包含了所有训练和测试样本，每条记录包含4个字段：类别索引（1-10）、问题标题、问题内容和最佳答案。文本字段使用双引号转义，内部双引号用两个双引号转义，新行用“\n”转义。

数据用途概述：
该数据集适用于自然语言处理领域的文本分类、问答系统训练、主题分类研究等多种场景。研究人员可以利用此数据集进行模型训练和性能评估；企业可以用于构建自动化问答系统；教育机构可以将其用于NLP教学和研究。此外，数据集也适合用于探索文本特征提取、分类算法优化等任务。