预处理版虚假新闻识别数据集-ceasor6
数据来源：互联网公开数据
标签：虚假新闻,文本分析,自然语言处理,机器学习,文本预处理,情感分析,数据增强
数据概述：
本数据集是原始WELFake虚假新闻数据集在Kaggle上的预处理和增强版本。该版本通过引入工程特征和文本预处理步骤，提高了虚假新闻分类任务的性能。原始数据集包含新闻文章的标题、正文和二元标签（0表示真实新闻，1表示虚假新闻），而增强版本增加了基于文本的特征和预处理列，以支持更高级的自然语言处理（NLP）和机器学习建模。
数据集包含以下字段：
- title: 新闻文章的标题
- text: 新闻文章的正文
- label: 二元标签，1表示虚假新闻，0表示真实新闻
- language: 文本的语言（默认为英语）
- punctuation_count: 文本中标点符号的总数
- uppercase_ratio: 文本中大写字母与总字符数的比例
- numerical_count: 文本中数值的个数
- sentiment_polarity: 基于TextBlob分析的情感极性得分（范围为-1到1）
- processed_title: 预处理和分词后的标题
- processed_text: 预处理和分词后的正文
- title_len: 标题的词数
- text_len: 正文的词数
- total_len: 标题和正文的总词数
- combined_processed_text: 用于NLP任务的标题和正文的连接和分词版本
- combined_text_title: 连接后的原始标题和正文，用于综合分析
数据用途概述：
该数据集适用于虚假新闻检测、自然语言处理研究、机器学习模型训练、情感分析等多种场景。研究人员可以利用此数据集进行虚假新闻分类模型的训练和评估；教育工作者可以使用此数据集进行文本预处理和NLP技术的教学；数据科学家可以利用此数据集进行文本特征工程的研究。此外，该数据集还适用于新闻传播学、社交媒体研究等领域的相关分析。
此数据集是基于Kaggle上的WELFake数据集的修改和衍生工作，遵循CC BY-NC-SA 4.0（Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International）许可证，必须用于非商业目的，并且需适当署名。
