Vietnamese Dataset, Text Classification.

• Tập dữ liệu VNews8td là tập dữ liệu Tiếng Việt. Được thu thập từ trang báo mạng VnExpress từ ngày 01/06/2023 - 01/06/2024. Phiên bản 8td bao gồm 8 danh mục lớn nhất, mỗi văn bản bao gồm tiêu đề (title) và phần mô tả (description) của bài báo.
• Tập dữ liệu giành cho bài toán phân loại văn bản (Text Classification / Document Classification).
• Tập dữ liệu được chia thành 3 phần:
  • Training set - 70%
  • Validation set - 10%
  • Test set - 20%
• Tập dữ liệu gồm 8 lớp, tương ứng với 8 danh mục phổ biến trên VnExpress là:
  • doisong (Đời sống)
  • giaoduc (Giáo dục)
  • khoahoc (Khoa học)
  • kinhte (Kinh tế)
  • suckhoe (Sức khỏe)
  • thegioi (Thế giới)
  • thethao (Thể thao)
  • thoisu (Thời sự)