新闻真伪识别文本数据集NewsAuthenticityIdentificationTextDataset-arifkaggle979

新闻真伪识别文本数据集NewsAuthenticityIdentificationTextDataset-arifkaggle979

数据来源:互联网公开数据

标签:新闻文本, 真伪识别, 文本分类, 自然语言处理, 机器学习, 假新闻检测, 舆情分析, 文本内容

数据概述: 该数据集包含来自网络新闻的文章,记录了真实新闻和虚假新闻的文本内容,用于训练和评估新闻真伪识别模型。主要特征如下: 时间跨度:数据未标明具体时间范围,可视为静态数据集使用。 地理范围:数据来源未明确说明,但包含孟加拉语新闻,可能涵盖多个地区。 数据维度:数据集包含“articleID”(文章ID)、“date”(发布日期)、“category”(文章类别)、“headline”(文章标题)和“content”(文章正文)等字段,用于文本分析和分类任务。其中,“Fake - 10K.csv”文件包含大量未命名的额外字段,可能需要在数据预处理时进行清洗。 数据格式:CSV格式,包含三个文件:“Authentic - 10K.csv”(真实新闻)、“Fake - 10K.csv”(虚假新闻)和“Fake-10K.csv”(虚假新闻,文件名重复,可能存在数据冗余)。

数据用途概述: 该数据集具有广泛的应用潜力,特别适用于以下场景: 研究与分析:适用于自然语言处理、机器学习、文本挖掘等领域的学术研究,如假新闻检测、情感分析、文本相似度分析等。 行业应用:可为新闻媒体、社交平台、内容审核机构提供数据支持,用于构建自动化新闻真伪识别系统,过滤虚假信息。 决策支持:支持政府部门、企业等机构进行舆情监测和风险评估,帮助用户及时发现并应对虚假信息带来的负面影响。 教育和培训:作为自然语言处理、文本分类等课程的实训材料,帮助学生和研究人员熟悉新闻数据分析流程,提升模型构建能力。 此数据集特别适合用于探索文本特征与新闻真伪之间的关联,帮助用户构建有效的假新闻检测模型,提升信息辨别能力。

packageimg

数据与资源

附加信息

字段
版本 1.0
最后更新 五月 21, 2025, 03:16 (UTC)
创建于 五月 21, 2025, 03:12 (UTC)
声明 当前数据集部分源数据来源于公开互联网,如果有侵权,请24小时联系删除(400-600-6816)。