Upload readme.md

readme.md

@@ -0,0 +1,121 @@
+# 中文文本分类数据集
+
+数据来源：
+
+今日头条客户端
+
+
+
+数据格式：
+
+```
+6552431613437805063_!_102_!_news_entertainment_!_谢娜为李浩菲澄清网络谣言，之后她的两个行为给自己加分_!_佟丽娅,网络谣言,快乐大本营,李浩菲,谢娜,观众们
+```
+
+每行为一条数据，以`_!_`分割的个字段，从前往后分别是 新闻ID，分类code（见下文），分类名称（见下文），新闻字符串（仅含标题），新闻关键词
+
+
+
+分类code与名称：
+
+```
+100 民生 故事 news_story
+101 文化 文化 news_culture
+102 娱乐 娱乐 news_entertainment
+103 体育 体育 news_sports
+104 财经 财经 news_finance
+106 房产 房产 news_house
+107 汽车 汽车 news_car
+108 教育 教育 news_edu 
+109 科技 科技 news_tech
+110 军事 军事 news_military
+112 旅游 旅游 news_travel
+113 国际 国际 news_world
+114 证券 股票 stock
+115 农业 三农 news_agriculture
+116 电竞 游戏 news_game
+```
+
+
+
+数据规模：
+
+共382688条，分布于15个分类中。
+
+
+
+采集时间：
+
+2018年05月
+
+
+
+实验结果：
+
+以0.7 0.15 0.15做分割。欢迎提交你使用本数据集的实验结果~
+
+```
+Test Loss:   0.57, Test Acc:  83.81%
+
+                    precision    recall  f1-score   support
+
+        news_story       0.66      0.75      0.70       848
+
+      news_culture       0.57      0.83      0.68      1531
+
+news_entertainment       0.86      0.86      0.86      8078
+
+       news_sports       0.94      0.91      0.92      7338
+
+      news_finance       0.59      0.67      0.63      1594
+
+        news_house       0.84      0.89      0.87      1478
+
+          news_car       0.92      0.90      0.91      6481
+
+          news_edu       0.71      0.86      0.77      1425
+
+         news_tech       0.85      0.84      0.85      6944
+
+     news_military       0.90      0.78      0.84      6174
+
+       news_travel       0.58      0.76      0.66      1287
+
+        news_world       0.72      0.69      0.70      3823
+
+             stock       0.00      0.00      0.00        53
+
+  news_agriculture       0.80      0.88      0.84      1701
+
+         news_game       0.92      0.87      0.89      6244
+
+       avg / total       0.85      0.84      0.84     54999
+
+
+
+以上Acc较低的原因：
+
+1，数据不均衡，部分类目数据太少
+
+2，部分分类之间本身模棱两可，例如故事、文化、旅行
+
+详见text-class xxxx内代码
+
+后续可以优化的地方：
+
+1，更多的数据
+
+2，更全的分类
+
+因为分类不全，例如缺少美食等，导致实际使用时，分哪里都不对的情况出现。
+
+3，更均衡的分类数据
+
+4，引入正文
+
+```
+
+
+### NLP chat group
+
+Welcome