数据集概述
本数据集包含457篇德语和英语新闻文章，通过RSS源从各类新闻网站和博客收集。每篇文章经AIT数字安全与安全中心同事人工分类，标注为“网络安全”“非网络安全”或“不确定”，并提供文章标题、内容、语言、来源、发布时间、版权声明及参与者分类结果等信息，无缺失值。
文件详解
- 文件名称：cybersec_news_de_en.json
- 文件格式：JSON
- 字段映射介绍：包含标题（title）、内容（content）、语言（language）、来源名称（source_name）、来源URL（source_url）、发布时间（published）、版权声明（copyright_statement）、参与者分类结果（classifications）、最终标签（cybersecurity）等字段，无缺失值。
- 文件名称：cybersec_news_de_en.csv
- 文件格式：CSV
- 字段映射介绍：字段与JSON文件一致，以表格形式存储，包含标题、内容、语言、来源名称、来源URL、发布时间、版权声明、参与者分类结果（JSON格式字符串）、最终标签字段，无缺失值。
数据来源
Austrian Institute of Technology (AIT) Center for Digital Safety and Security
适用场景
- 网络安全新闻分类模型训练: 利用标注好的“cybersecurity”标签，训练文本分类模型识别网络安全相关新闻。
- 多语言文本分类研究: 基于德语和英语双语文本，研究跨语言分类算法的性能。
- 新闻内容主题分析: 分析网络安全新闻的主题分布、来源特征及发布时间规律。
- 人工标注一致性评估: 通过“classifications”字段研究多标注者对网络安全新闻分类的一致性。
- 版权声明数据研究: 分析新闻来源的版权声明模式及缺失情况。
