Yektanet波斯语网页文本主题分类数据集
数据来源：互联网公开数据
标签：波斯语,NLP,文本分类,机器学习,网页数据,主题识别,自然语言处理
数据概述：
Yektanet数据集是一个真实的波斯语网页数据集合，由Yektanet平台整理和收集。该数据集被用于一个关于自然语言处理（NLP）中机器学习应用的工业案例研究。其主要目标是开发一个机器学习模型，该模型能够基于文本特征（如标题、描述、完整文本内容等）预测文档的类别主题。数据集包含多个实例，每个实例包含关于文档的各种特征。数据集的主要目标变量是“category”列，它指示内容的类别或主题。
数据集包含以下特征：
Description（描述）：描述文档。
Text_content（文本内容）：包含文档的完整文本内容。
Title（标题）：文档的标题。
h1 和 h2：分别包含在 HTML 标签 h1 和 h2 内的内容。
URL（网址）：与文档关联的链接地址。
Domain（域名）：文档来源的域名或网站。
Id：每个链接的唯一标识符。
数据用途概述：
该数据集适用于训练和评估在NLP领域中的机器学习模型，特别是用于文档分类和主题预测任务。研究人员和实践者可以利用此数据探索和开发有效的文档分类方法。
