Sogou news-数据集

2,909,551 篇来自 SogouCA 和 SogouCS 新闻语料库 5 个类别的新闻文章。每个类别分别包含 90,000 个训练样 本和 12,000 个测试样本。这些汉字都已经转换成拼音。

This article offers an empirical exploration on the use of character-level convolutional networks (ConvNets) for text classification. We constructed several large-scale datasets to show that character-level convolutional networks could achieve state-of-the-art or competitive results. Comparisons are offered against traditional models such as bag of words, n-grams and their TFIDF variants, and deep learning models such as word-based ConvNets and recurrent neural networks.

译：

本文对字符级卷积网络（ConvNets）在文本分类中的应用进行了实证研究。我们构建了几个大规模的数据集，以证明字符级卷积网络可以达到最先进或最具竞争力的结果。比较了传统模型，如单词包、n-grams及其TFIDF变体，以及基于单词的ConvNets和递归神经网络等深度学习模型。

大家可以到官网地址下载数据集，我自己也在百度网盘分享了一份。可关注本人公众号，回复“2020082502”获取下载链接。

 

---

 

只要自己有时间，都尽量写写文章，与大家交流分享。

本人公众号：

CSDN博客地址：https://blog.csdn.net/ispeasant