NatCat

displayName: NatCat license: - CC0 1.0 paperUrl: https://arxiv.org/pdf/2009.14335v2.pdf publishDate: "2021" publishUrl: https://github.com/ZeweiChu/NatCat publisher: - University of Chicago - Toyota Technological Institute - Rutgers University tags: - Text taskTypes: - Text Classification --- # 数据集介绍 ## 简介 来自三个在线资源的通用文本分类数据集 (NatCat)：Wikipedia、Reddit 和 Stack Exchange。这些数据集由源自社区自然发生的手动管理的文档-类别对组成。 ## 引文 ``` @article{chu2020natcat, title={NatCat: Weakly Supervised Text Classification with Naturally Annotated Resources}, author={Chu, Zewei and Stratos, Karl and Gimpel, Kevin}, journal={arXiv preprint arXiv:2009.14335}, year={2020} } ``` ## Download dataset :modelscope-code[]{type="git"}数据集名称：NatCat 许可证：CC0 1.0 论文链接：https://arxiv.org/pdf/2009.14335v2.pdf 发布日期：2021年 项目主页：https://github.com/ZeweiChu/NatCat 发布机构：芝加哥大学、丰田技术研究所、罗格斯大学 标签：文本 任务类型：文本分类 --- # 数据集介绍 ## 简介 NatCat为通用文本分类数据集，取材自维基百科（Wikipedia）、红迪网（Reddit）与堆栈交换（Stack Exchange）三大在线平台。其数据由社区自然产生且经人工管理的文档-类别配对样本构成。 ## 引文 @article{chu2020natcat, title={NatCat: Weakly Supervised Text Classification with Naturally Annotated Resources}, author={Chu, Zewei and Stratos, Karl and Gimpel, Kevin}, journal={arXiv preprint arXiv:2009.14335}, year={2020} } ## 数据集下载 :modelscope-code[]{type="git"}

搜集汇总

背景与挑战

背景概述

NatCat是一个通用文本分类数据集，数据来源于Wikipedia、Reddit和Stack Exchange，包含自然生成并由社区手动管理的文档与类别配对。该数据集规模为1.96GB，采用CC0 1.0许可证，于2024年7月9日更新。