数据集:

SetFit/20_newsgroups

英文

这是在Scikit-learn提供的 20 newsgroups dataset 的一个版本。根据Scikit-learn文档:

20个新闻组数据集包括大约18000个新闻组帖子,涵盖了20个主题,分为两个子集:一个用于训练(或开发),另一个用于测试(或性能评估)。训练集和测试集之间的划分是基于特定日期之前和之后发布的信息。

我们按照 recommended practice 的规定,从每篇新闻文章中删除了标题、签名块和引用。