1、资源中有语料，本语料库由复旦大学李荣陆提供。test_corpus为测试语料，共9833篇文档；train_corpus为训练语料，共9804篇文档，两个预料各分为20个相同类别。训练语料和测试语料基本按照1:1的比例来划分。使用时尽量注明来源（复旦大学计算机信息与技术系国际数据库中心自然语言处理小组）。 2、资源中还附有一份停用词。

天池比赛 新闻文本分类数据集 test_a.csv train_set.csv

新闻文本分类比赛的训练数据和测试数据

基于语义的新闻文本分类，赵一超，郭军，文本分类，是自然语言处理中的一个重要领域，经过长时间发展已经形成例如朴素贝叶斯、最大熵、SVM（支持向量机）等技术。语义作为

HanLP: Han Language Processing | | | | | 面向生产环境的多语种自然语言处理工具包，基于PyTorch和TensorFlow 2.x双引擎，目标是普及落地最前沿的NLP技术。HanLP具备功能完善、性能高效、架构清晰、语料时新、可自定义的特点。 借助世界上最大的多语种语料库，HanLP2.1支持包括简繁中英日俄法德在内的104种语言上的10种联合任务：分词（粗分、细分2个标准，强制、合并、校正3种）、词性标注（PKU、863、CTB、UD四套词性规范）、命名实体识别（PKU、MSRA、OntoNotes三套规范）、依存句法分析（SD、UD规范）、成分句法分析、语义依存分析（SemEval16、DM、PAS、PSD四套规范）、语义角色标注、词干提取、词法语法特征提取、抽象意义表示（AMR）。 量体裁衣，HanLP提供RESTful和nati

大规模新闻文本分类数据集，有多个领域，按文件夹摆放，不仅可以用来做文本分类实验，数据不少甚至可以用来做BERT预训练

一行代码使用BERT生成句向量，BERT做文本分类、文本相似度计算

cnews中文文本分类数据集；由清华大学根据新浪新闻RSS订阅频道2005-2011年间的历史 数据筛选过滤生成，训练过程见我的博客；

answer文件夹为测试语料，共9833篇文档；train文件夹为训练语料，共9804篇文档，分为20个类别。训练语料和测试语料基本按照1:1的比例来划分。收集工作花费了不少人力和物力，所以请大家在使用时尽量注明来源（复旦大学计算机信息与技术系国际数据库中心自然语言处理小组）。文件较大（训练测试集压缩包各50多兆）

半监督文本分类的对抗训练方法 规范 此代码重现用 。 设置环境 请安装和 。 您可以使用此轻松设置环境。 下载预训练模型 请下载预先训练的模型。 $ wget http://sato-motoki.com/research/vat/imdb_pretrained_lm.model 结果 模型 错误率 基线 7.39 基准（我们的代码） 6.62 对抗性 6.21 对抗训练（我们的代码） 6.35 虚拟对抗训练 6.40 虚拟对抗训练 5.91 虚拟对抗训练（我们的代码） 5.82 跑 预训练 $ python -u pretrain.py -g 0 --layer