印度尼西亚点击诱导标题数据集

数据集摘要

CLICK-ID 数据集是从12个本地在线新闻发布商（detikNews、Fimela、Kapanlagi、Kompas、Liputan6、Okezone、Posmetro-Medan、Republika、Sindonews、Tempo、Tribunnews 和 Wowkeren）收集的印度尼西亚新闻标题的集合。该数据集主要由两部分组成：（i）46,119个原始文章数据和（ii）15,000个带有点击诱导注释的标题示例。注释是通过3个注释人员对每个标题进行检查而进行的。判断仅基于标题。其中，大多数被认为是真实情况。在注释样本中，我们的注释显示有6,290个点击诱导标题和8,710个非点击诱导标题。

支持的任务和排行榜

[需要更多信息]

语言

印度尼西亚语

数据集结构

数据实例

注释文章的示例：

{
  'id': '100',
  'label': 1,
  'title': "SAH! Ini Daftar Nama Menteri Kabinet Jokowi - Ma'ruf Amin"
}
>

数据字段

• id：样本的id
• title：新闻文章的标题
• label：文章的标签，可以是非点击诱导或点击诱导

• id：样本的id
• title：新闻文章的标题
• source：发布者/报纸的名称
• date：日期
• category：文章的类别
• sub-category：文章的子类别
• content：文章的内容
• url：文章的URL

数据拆分

数据集包含训练集。

数据集创建

策展理由

[需要更多信息]

源数据

[需要更多信息]

[需要更多信息]

注释

[需要更多信息]

[需要更多信息]

个人和敏感信息

[需要更多信息]

使用该数据的注意事项

数据的社会影响

[需要更多信息]

偏见讨论

[需要更多信息]

其他已知限制

[需要更多信息]

其他信息

数据策展者

[需要更多信息]

许可信息

知识共享署名4.0国际许可证

引用信息

@article{WILLIAM2020106231,
title = "CLICK-ID: A novel dataset for Indonesian clickbait headlines",
journal = "Data in Brief",
volume = "32",
pages = "106231",
year = "2020",
issn = "2352-3409",
doi = "https://doi.org/10.1016/j.dib.2020.106231",
url = "http://www.sciencedirect.com/science/article/pii/S2352340920311252",
author = "Andika William and Yunita Sari",
keywords = "Indonesian, Natural Language Processing, News articles, Clickbait, Text-classification",
abstract = "News analysis is a popular task in Natural Language Processing (NLP). In particular, the problem of clickbait in news analysis has gained attention in recent years [1, 2]. However, the majority of the tasks has been focused on English news, in which there is already a rich representative resource. For other languages, such as Indonesian, there is still a lack of resource for clickbait tasks. Therefore, we introduce the CLICK-ID dataset of Indonesian news headlines extracted from 12 Indonesian online news publishers. It is comprised of 15,000 annotated headlines with clickbait and non-clickbait labels. Using the CLICK-ID dataset, we then developed an Indonesian clickbait classification model achieving favourable performance. We believe that this corpus will be useful for replicable experiments in clickbait detection or other experiments in NLP areas."
}

贡献

感谢 @cahya-wirawan 添加了这个数据集。