Delete readme.md

readme.md

@@ -1,121 +0,0 @@
-# 中文文本分类数据集
-
-数据来源：
-
-今日头条客户端
-
-
-
-数据格式：
-
-```
-6552431613437805063_!_102_!_news_entertainment_!_谢娜为李浩菲澄清网络谣言，之后她的两个行为给自己加分_!_佟丽娅,网络谣言,快乐大本营,李浩菲,谢娜,观众们
-```
-
-每行为一条数据，以`_!_`分割的个字段，从前往后分别是 新闻ID，分类code（见下文），分类名称（见下文），新闻字符串（仅含标题），新闻关键词
-
-
-
-分类code与名称：
-
-```
-100 民生 故事 news_story
-101 文化 文化 news_culture
-102 娱乐 娱乐 news_entertainment
-103 体育 体育 news_sports
-104 财经 财经 news_finance
-106 房产 房产 news_house
-107 汽车 汽车 news_car
-108 教育 教育 news_edu 
-109 科技 科技 news_tech
-110 军事 军事 news_military
-112 旅游 旅游 news_travel
-113 国际 国际 news_world
-114 证券 股票 stock
-115 农业 三农 news_agriculture
-116 电竞 游戏 news_game
-```
-
-
-
-数据规模：
-
-共382688条，分布于15个分类中。
-
-
-
-采集时间：
-
-2018年05月
-
-
-
-实验结果：
-
-以0.7 0.15 0.15做分割。欢迎提交你使用本数据集的实验结果~
-
-```
-Test Loss:   0.57, Test Acc:  83.81%
-
-                    precision    recall  f1-score   support
-
-        news_story       0.66      0.75      0.70       848
-
-      news_culture       0.57      0.83      0.68      1531
-
-news_entertainment       0.86      0.86      0.86      8078
-
-       news_sports       0.94      0.91      0.92      7338
-
-      news_finance       0.59      0.67      0.63      1594
-
-        news_house       0.84      0.89      0.87      1478
-
-          news_car       0.92      0.90      0.91      6481
-
-          news_edu       0.71      0.86      0.77      1425
-
-         news_tech       0.85      0.84      0.85      6944
-
-     news_military       0.90      0.78      0.84      6174
-
-       news_travel       0.58      0.76      0.66      1287
-
-        news_world       0.72      0.69      0.70      3823
-
-             stock       0.00      0.00      0.00        53
-
-  news_agriculture       0.80      0.88      0.84      1701
-
-         news_game       0.92      0.87      0.89      6244
-
-       avg / total       0.85      0.84      0.84     54999
-
-
-
-以上Acc较低的原因：
-
-1，数据不均衡，部分类目数据太少
-
-2，部分分类之间本身模棱两可，例如故事、文化、旅行
-
-详见text-class xxxx内代码
-
-后续可以优化的地方：
-
-1，更多的数据
-
-2，更全的分类
-
-因为分类不全，例如缺少美食等，导致实际使用时，分哪里都不对的情况出现。
-
-3，更均衡的分类数据
-
-4，引入正文
-
-```
-
-
-### NLP chat group
-
-Welcome