我目前正在尝试使用朴素贝叶斯技术在 python 中开发分类器。我需要一个数据集，以便我可以训练它。我的分类器会将给它的新文档分类为以下四个类别之一：科学和技术、体育、政治、娱乐。任何人都可以帮我找到一个数据集。我已经被这个问题困扰了很长一段时间了。任何帮助将不胜感激。
分类器所需的训练数据集
数据挖掘
分类
Python
2022-02-28 09:27:05
3个回答
你至少有三个选择：
使用许多可用数据集中的一些（例如：BBC 文档）；如果您需要更多，只需转到 Google Scholar 或任何类似服务并搜索分类新闻政治体育。在文章中，您可能会发现许多对可用数据集的引用；
爬取任何新闻服务，并使用聚类技术将文章分组（这通常将文章沿其领域分开，例如政治、体育等），并根据文章与集群的从属关系标记文章；
抓取特定于政治、特定于体育的新闻服务，并将它们用作标记数据集。
这应该为您的分类练习提供最大的数据集。
UCI 机器学习 repo是我寻找数据集以在非常广泛的主题上工作的地方。数据集已经被清理并标记了它们最初用于的任务。如果你在谷歌上搜索数据集，你会经常找到引用它们的论文或论坛，其中包含你自己可能遇到的问题。那里有许多基于文本的分类任务数据集。