A Document-Level Chinese News Dataset for Business Opportunity Digging
更新
背景介绍
许多带有重要商机的新闻资讯是文档级的长度，而现有的开源新闻分类数据集主要聚焦在中短篇章的文本。因此，xx科技基于商机推荐业务的实际需求，构建了面向商机挖掘的新闻数据集BODNews。
内容简介
本次发布的版本包含3500条样本，涵盖“经营发展”、“投资融资”、“政策规章”、“重大活动”、“组织人事”和“不含商机”六大类资讯，是第一个真实业务场景下面向商机挖掘的数据集。
标注方式
我们使用资讯平台积累的文本语料作为数据来源，根据业务推送的实际需求，将相似度较高的（如：重大项目、重点项目）等做了合并精简，经过标注员的多轮标注，最后业务专家审核入库。
数据特点
- 覆盖面广：为了保证新闻的多样性，我们的数据来自于网上不同机构发表的不同行业的新闻，这也使得我们的数据集在主题、内容、精细度等非常丰富。
- 专业性强：为了更好的运用新闻支持商机发现，我们的数据均经过专家审核解读，有意义的才会被收录，并设计了六大类标签体系和关键词库。
- 难度高：数据集的文本整体较长，平均长度超过一千字，相当比例的资讯长度超过一万字，每一条新闻数据都会有topic和keywords两个标签，不论是标注过程还是后续模型预测都有较高难度。
详细内容
见后续上传的论文
其他
项目仍在进行中，后续会不定时更新数据，并加上新闻主体相关性等标签。
