核心内容摘要
欲念深处：一场关于灵魂与欲望的探索
法尔斯新闻社1398年波斯语新闻数据集引言与背景法尔斯新闻社1398年波斯语新闻数据集是一个大规模、高质量的波斯语新闻文本数据集收录了法尔斯新闻社在1398年即
年期间发布的全部新闻文章。
该数据集包含294,023条新闻记录每条记录均包含完整的新闻标题、摘要、正文段落、分类标签、子分类、关键词标签以及原始链接等丰富信息。
作为伊朗最具影响力的新闻媒体之一法尔斯新闻社的新闻内容涵盖了政治、经济、体育、文化、科技、社会等众多领域为波斯语自然语言处理研究提供了宝贵的语料资源。
该数据集的完整内容构成包括元数据字段标题、摘要、分类、子分类、标签、链接、完整的新闻正文段落内容、以及结构化的分类标注信息。
所有新闻文章均以波斯语撰写内容丰富多样从国际政治分析到体育赛事报道从经济政策解读到社会民生新闻形成了覆盖面广泛的新闻语料库。
这种完整性和多样性使得该数据集成为波斯语文本挖掘、自然语言处理、机器学习模型训练的理想数据源。
该数据集对科研、算法训练和行业应用具有重要价值。
对于学术研究而言该数据集可用于波斯语文本分类、主题建模、情感分析、命名实体识别、摘要生成等自然语言处理任务的研究与算法开发。
对于产业应用而言该数据集可用于训练新闻推荐系统、构建波斯语搜索引擎、开发内容分析工具、训练跨语言翻译模型等。
数据集的大规模特性确保了训练的深度学习模型能够学习到丰富的语言模式和领域知识而高质量的标注信息则为监督学习任务提供了可靠的基础。
数据基本信息数据字段说明字段名称字段类型字段含义数据示例完整性title字符串新闻标题“دستگاههای اجرایی برتر در جشنواره شهید رجایی گلستان معرفی شدند”100%abstract字符串新闻摘要“رئیس سازمان مدیریت و برنامهریزی استان گلستان با معرفی دستگاههای اجرایی برتر در جشنواره شهید رجایی گفت…”
9
99%paragraphs数组新闻正文段落[“به گزارش خبرگزاری فارس از گرگان، محمدولی روزبهان عصر امروز در بیستمین جشنواره شهید رجایی اظهار کرد…”]
9
99%cat字符串主分类“sports”100%subcat字符串子分类“football-iran”
8
73%tags数组关键词标签[“فوتبال”, “لیگ برتر”, “پرسپولیس”]
9
99%link字符串原始链接“https://www.farsnews.ir/news/13980627000907/…”100%数据分布情况主分类分布分类名称记录数量占比累计占比sports体育47,
2
07%
1
07%world国际26,
7
08%
2
15%politics政治18,
7
37%
3
52%social社会14,
6
97%
3
49%economy经济12,
3
20%
4
69%scientific科教8,
6
94%
4
63%isfahan伊斯法罕省7,
4
52%
4
15%culture文化7,
3
51%
4
66%azarbaijan-sharghi东阿塞拜疆省7,
2
47%
5
13%razavi礼萨呼罗珊省7,
0
93%
5
52%mazandaran马赞德兰省6,
2
13%
5
65%arts-media艺术媒体6,
1
09%
5
74%kohgiluyeh-boyerahmad科吉卢耶-博耶艾哈迈德省5,
9
02%
5
76%hamedan哈马丹省5,
9
02%
6
78%tehran德黑兰省5,
4
85%
6
63%其他省份分类69,
8
76%
8
39%其他主题分类37,
0
61%
1
00%子分类分布Top 15子分类名称记录数量占比football-iran伊朗足球20,
3
91%football-world世界足球12,
6
32%europe-amercia欧美11,
4
89%west-asia西亚10,
3
53%parliament议会8,
0
73%others其他6,
5
23%welfare福利4,
6
58%education教育4,
3
48%central-asia-russia中亚俄罗斯3,
7
28%ballgames球类运动3,
4
19%government政府3,
0
04%medicine-spirituality医学精神2,
9
01%cinema-drama电影戏剧2,
7
92%world-economy世界经济2,
5
86%world-science世界科技2,
4
84%主要标签分布Top 20标签名称记录数量占比美国14,
9
09%足球14,
2
86%议会12,
5
25%法尔斯新闻社11,
7
00%法尔斯9,
9
37%伊朗9,
7
32%超级联赛8,
9
05%烈士7,
9
71%体育7,
4
54%伊斯兰革命6,
7
29%教育6,
4
19%大不里士6,
2
12%波斯波利斯6,
1
08%洪水6,
0
06%伊拉克5,
3
81%伊斯法罕5,
0
70%独立队4,
9
67%健康4,
8
64%俄罗斯4,
8
64%德黑兰4,
6
59%数据规模与特征该数据集共包含294,023条新闻记录是当前公开可用的最大规模波斯语新闻数据集之一。
所有新闻文章均以波斯语撰写标题长度范围从1到500个字符平均长度约为85个字符。
新闻摘要长度范围从1到1000个字符平均长度约为280个字符。
每条新闻平均包含3到5个正文段落最长的文章包含超过20个段落。
数据集覆盖了
年波斯历1398年全年的新闻内容时间跨度完整具有很强的时间连续性。
数据集采用JSON格式存储结构清晰易于解析和处理。
每条记录包含7个字段其中标题、主分类和链接字段完整率为100%摘要、正文段落和标签字段完整率超过
9
9%子分类字段完整率为
8
73%。
这种高完整性确保了数据集在各类应用场景下的可用性和可靠性。
数据优势优势特征具体表现应用价值大规模数据集包含294,023条新闻记录是最大的波斯语新闻数据集之一支持深度学习模型训练确保模型学习到丰富的语言模式完整文本内容每条新闻包含完整的标题、摘要和正文段落支持全文检索、内容分析、摘要生成、问答系统等应用高质量标注包含主分类、子分类、关键词标签等多层次标注信息支持监督学习任务如文本分类、标签预测、多标签分类等多领域覆盖涵盖体育、政治、经济、文化、科技、社会等众多领域支持领域自适应、跨领域迁移学习、领域分类等研究地理分布广泛包含伊朗各省份的地方新闻以及国际新闻支持地理信息提取、地域情感分析、地方新闻聚合等应用时间连续性覆盖1398年全年时间跨度完整支持时序分析、趋势预测、事件追踪等时间序列研究原始链接完整每条记录均包含原始新闻链接支持数据溯源、内容验证、增量更新等应用结构化存储采用JSON格式字段结构清晰统一便于数据解析、处理、转换和集成到各类系统中高数据完整性核心字段完整率接近100%确保数据集的可靠性和可用性减少数据清洗工作量多样化内容包含新闻报道、分析评论、赛事报道等多种体裁支持体裁分类、写作风格分析、内容多样性研究数据来源https://dianshudata.com/dataDetail/14426数据样例以下展示数据集的20条典型样例涵盖不同分类、子分类和主题以展示数据集的多样性和丰富性。
样例1政治新闻golestan分类标题: دستگاههای اجرایی برتر در جشنواره شهید رجایی گلستان معرفی شدند摘要: رئیس سازمان مدیریت و برنامهریزی استان گلستان با معرفی دستگاههای اجرایی برتر در جشنواره شهید رجایی گفت: اداره کل میراث فرهنگی، صنایع دستی و گردشگری بالاترین عملکرد را میان 50 دستگاه اجرایی استان گلستان داشته است.分类: golestan子分类: 无标签: [“روزبهان”, “رئیس سازمان مدیریت و برنامه ریزی گلستان”, “شهید رجایی”, “دستگاه برتر”]正文段落数: 10样例2体育新闻sports分类标题: ژیمناستیک ترامپولین قهرمانی جهان| اعزام دو ژیمناست به روسیه摘要: دو ورزشکار به مسابقات ترامپولین قهرمانی جهان و کسب سهمیه المپیک اعزام میشوند.分类: sports子分类: others标签: [“قهرمانی جهان”, “ورزشکار”, “روسیه”, “المپیک”]正文段落数: 2样例3体育新闻sports分类标题: آغازهفتمین مرحله اردوی تیم ملی بوکس نوجوانان در بوشهر摘要: مربی تیم ملی بوکس نوجوانان کشوردر بوشهر گفت: هفتمین مرحله اردوی تیم ملی بوکس نوجوانان از 26 شهریورماه تا 10月10日在 خانه بوکس مجموعه شهید صدوقی بوشهر برگزار می شود.分类: bushehr子分类: 无标签: [“نوجوانان”, “شهید”, “بوشهر”, “تیم ملی”]正文段落数: 4样例4社会新闻golestan分类标题تصادف 3 خودرو با 13 مصدوم در گلستان摘要: مسوول روابط عمومی مرکز فوریتهای پزشکی گلستان گفت: بر اثر برخودرو 3 دستگاه خودروی سواری در محور «گوگل» مینودشت 13 نفر مصدوم شدند.分类: golestan子分类: 无标签: [“تصادف”, “خودرو”, “گلستان”, “گوگل”, “نوید مازندرانی”, “نوید”, “مازندرانی”, “3 خودرو”, “13 مصدوم”, “در گلستان”, “مسوول”, “روابط عمومی”, “مرکز”, “فوریتهای پزشکی گلستان”, “فوریتهای”, “پزشکی گلستان”]正文段落数: 3样例5国际新闻world分类标题: مذاکرات مجدد هند با دولت آمریکا برای از سرگیری واردات نفت از ایران摘要: منابع مطلع به گفتوگوهای مقامهای هندی با دولت آمریکا برای از سرگیری واردات نفت خام از ایران اشاره کردند.分类: world子分类: 无标签: [“هند”, “آمریکا”, “نفت”, “ایران”, “تحریم”]正文段落数: 3样例6体育新闻sports分类标题: قهرمانی کشتی آزاد آسیا| صعود دو نماینده ایران به فینال摘要: در ادامه رقابتهای قهرمانی کشتی آزاد آسیا، دو نماینده ایران به دیدار فینال راه یافتند.分类: sports子分类: wrestling-powerlifting标签: [“قهرمانی آسیا”, “کشتی آزاد”, “ایران”, “فینال”]正文段落数: 4样例7经济新闻economy分类标题: افزایش ۱۵ درصدی صادرات محصولات کشاورزی از مرز مهران摘要: مدیرکل دفتر امور مرزی وزارت جهاد کشاورزی از افزایش ۱۵ درصدی صادرات محصولات کشاورزی از مرز مهران خبر داد.分类: economy子分类: 无标签: [“صادرات”, “محصولات کشاورزی”, “مرز مهران”, “ایلام”]正文段落数: 5样例8文化新闻culture分类标题: برگزاری جشنواره ملی شعر و ادبیات فارسی در مشهد摘要: دبیر جشنواره ملی شعر و ادبیات فارسی از برگزاری این رویداد فرهنگی در مشهد خبر داد.分类: culture子分类: book标签: [“جشنواره”, “شعر فارسی”, “ادبیات”, “مشهد”]正文段落数: 6样例9科技新闻scientific-academic分类标题: دستاوردهای جدید پژوهشگران ایرانی در حوزه نانوتکنولوژی摘要: محققان ایرانی موفق به کسب دستاوردهای جدید در حوزه نانوتکنولوژی شدند.分类: scientific-academic子分类: world-science标签: [“نانوتکنولوژی”, “پژوهش”, “ایران”, “علم”]正文段落数: 4样例10地方新闻isfahan分类标题: افتتاح پروژههای عمرانی در اصفهان摘要: استاندار اصفهان از افتتاح چندین پروژه عمرانی در این استان خبر داد.分类: isfahan子分类: civil标签: [“اصفهان”, “پروژه عمرانی”, “استاندار”]正文段落数: 7样例11体育新闻sports分类标题: پیروزی تیم ملی فوتبال ایران در دیدار دوستانه摘要: تیم ملی فوتبال ایران در دیدار دوستانه موفق به کسب پیروزی شد.分类: sports子分类: football-iran标签: [“تیم ملی”, “فوتبال”, “ایران”, “پیروزی”]正文段落数: 3样例12社会新闻social分类标题: ممنوعیت آبیاری باغات تلخاب شیرین با آب شرب摘要: مدیرعامل شرکت آب و فاضلاب استان فارس از ممنوعیت آبیاری باغات تلخاب شیرین با آب شرب خبر داد.分类: social子分类: welfare标签: [“آب شرب”, “باغات”, “تلخاب شیرین”, “فارس”, “ممنوعیت آبیاری باغات تلخاب شیرین با آب شرب”]正文段落数: 10样例13地方新闻kermanshah分类标题: زلزله کرمانشاه بیش از ۱۰ هزار و ۸۰۰ میلیارد تومان بار مالی برای دولت در برداشت…摘要: استاندار کرمانشاه گفت: زلزله استان کرمانشاه یکی از بزرگترین زلزلههای کشور از نظر مقیاس ریشتر در ۱۰۰…分类: kermanshah子分类: 无标签: [“زلزله کرمانشاه”, “زلزله”, “کرمانشاه”, “مدیریت بحران”, “استاندار”]正文段落数: 7样例14媒体新闻other-media分类标题: سایه، نرمافزاری که به کمک نیازمندان آمده است…摘要: گروهی از جوانان که از دوران دانشجویی دغدغه محرومیتزدایی از کشورشان را در سر داشتند به این نتیجه رسی…分类: other-media子分类: 无标签: [“سایه”, “تلفن همراه”, “روستا”, “محرومیتزدایی”]正文段落数: 9样例15体育新闻sports分类标题: تهيه بليت مسابقه ايران و سوريه در سايت فدراسيون فوتبال…摘要: علاقمندان به تماشاى مسابقه دوستانه تيم هاى ملى فوتبال ايران و سوريه مى توانند به سايت فدراسيون فوتب…分类: sports子分类: football-iran标签: [“سوریه”, “فدراسیون فوتبال”, “ایران”, “وب سایت”]正文段落数: 3样例16地方新闻hormozgan分类标题: چشم آذرخرو به سه امتیاز دیدار خانگی…摘要: تیم فوتسال آذرخرو در آخرین دیدار دور رفت لیگ برتر کشور فردا چهارشنبه میزبان مقاومت البرز است…分类: hormozgan子分类: 无标签: [“لیگ برتر”, “فوتسال”, “بندرعباس”, “البرز”, “آذرخرو”]正文段落数: 4样例17体育新闻sports分类标题: نائینی: وزیر ورزش داورزنی را نمیخواست/ او را پس فرستادند به والیبال…摘要: پیشکسوت والیبال ایران گفت: وزیر ورزش نمیخواست داورزنی در وزارت باشد و به همین دلیل او را به والیبال…分类: sports子分类: ballgames标签: [“والیبال”, “وزیر ورزش”, “ورزش”, “داورزنی”]正文段落数: 4样例18国际新闻world分类标题: نماینده عراقی: سیاست ترامپ دزدی از عراق است…摘要: یک نماینده پارلمان عراق گفت که سیاست رئیسجمهور آمریکا فرار از مشکلات داخلی خود و تهدید دیگر کشورهاس…分类: world子分类: west-asia标签: [“عراق”, “دونالد ترامپ”, “آمریکا”, “تحریم”]正文段落数: 7样例19地方新闻qom分类标题: افزایش 20 درصدی هزینههای جاری شهرداری قم…摘要: رئیس کمیسیون برنامه و بودجه و سرمایه گذاری شورای اسلامی شهر قم گفت: در سال جاری هزینههای جاری شهردا…分类: qom子分类: 无标签: [“اخوان”, “شهر قم”, “شهرداری قم”, “شورای اسلامی شهر قم”, “بودجه”]正文段落数: 6样例20体育新闻sports分类标题: لیگ بسکتبال چین| پیروزی نانجینگ با دبل دبل دوباره حدادی…摘要: نانجینگ در حضور بازیکن ایرانی خود در رقابتهای امروز لیگ بسکتبال چین پیروز شد…分类: sports子分类: ballgames标签: [“چین”, “بسکتبال”, “ورزشی”, “حامد حدادی”]正文段落数: 3应用场景波斯语文本分类与主题识别该数据集包含294,023条新闻记录每条记录都带有准确的主分类和子分类标注这为波斯语文本分类和主题识别的模型训练提供了理想的数据基础。
研究人员可以利用该数据集训练监督学习模型实现新闻文章的自动分类功能。
基于数据集中的主分类标签可以构建多分类模型将新闻自动归类到体育、政治、经济、文化、科技、社会等不同领域。
同时利用子分类标签可以构建更细粒度的分类系统例如将体育新闻进一步分类为足球、篮球、排球等子类别。
这种分类能力对于新闻聚合平台、内容管理系统、信息检索系统等应用具有重要价值。
在实际应用中训练好的分类模型可以实时处理新发布的波斯语新闻自动识别其主题类别从而实现内容的自动归档、个性化推荐和精准推送。
此外该数据集还可以用于主题建模研究通过无监督学习方法发现新闻内容的潜在主题结构为内容分析和趋势预测提供支持。
波斯语命名实体识别与信息抽取该数据集包含大量波斯语新闻文本其中蕴含着丰富的人名、地名、机构名、时间、数量等命名实体信息。
研究人员可以利用该数据集训练波斯语命名实体识别模型自动从新闻文本中提取各类实体。
例如从政治新闻中提取政治人物姓名、政府机构名称从体育新闻中提取运动员姓名、球队名称、比赛场地从经济新闻中提取公司名称、货币单位、经济指标等。
基于数据集中的标签信息可以构建半监督或弱监督学习系统利用标签作为实体类型的提示信号提高命名实体识别的准确性。
信息抽取任务还可以扩展到关系抽取和事件抽取例如从新闻中提取谁在何时何地做了什么的结构化信息构建知识图谱或事件数据库。
在实际应用中命名实体识别和信息抽取技术可以用于新闻内容分析、舆情监测、情报收集、知识库构建等场景。
该数据集的大规模特性确保了训练的模型能够学习到波斯语命名实体的丰富语言模式提高模型的泛化能力和鲁棒性。
波斯语情感分析与舆情监测该数据集涵盖了政治、经济、社会等多个领域的新闻内容这些内容往往包含对事件、人物、政策的评价和态度。
研究人员可以利用该数据集训练波斯语情感分析模型自动识别新闻文本的情感倾向包括正面、负面、中性等基本情感类别以及愤怒、喜悦、悲伤、恐惧等细粒度情感。
基于数据集中的分类信息可以构建领域自适应的情感分析系统针对不同领域如政治、体育、经济训练专门的情感分析模型提高情感识别的准确性。
在舆情监测应用中情感分析技术可以实时分析波斯语新闻和社交媒体内容识别公众对特定事件、政策或人物的态度倾向为政府决策、品牌管理、危机应对提供数据支持。
例如可以监测公众对政府政策的情感反应分析选举期间的舆情变化或评估品牌在波斯语市场的声誉。
该数据集的完整文本内容为情感分析提供了丰富的语义上下文有助于模型理解复杂的语言表达和隐含的情感信息。
波斯语新闻摘要生成该数据集中的每条新闻记录都包含标题、摘要和完整的正文段落这为波斯语新闻摘要生成任务提供了理想的训练数据。
研究人员可以利用该数据集训练监督学习模型学习从长篇新闻正文生成简洁准确的摘要的能力。
标题和摘要可以作为目标输出正文段落作为输入构建序列到序列的摘要生成模型。
该数据集包含294,023条新闻规模足够大可以支持深度学习模型的训练特别是基于Transformer架构的预训练语言模型如BERT、T
BART等的微调。
在实际应用中新闻摘要生成技术可以用于新闻聚合平台自动为多篇相关新闻生成简简明扼要的摘要帮助读者快速了解新闻要点。
此外摘要生成还可以用于移动端新闻应用在有限的屏幕空间内展示新闻的核心内容提升用户体验。
该数据集的多样性确保了训练的摘要生成模型能够处理各种主题和风格的新闻生成高质量、多样化的摘要内容。
波斯语问答系统构建该数据集中的新闻文章包含了丰富的知识信息可以用于构建波斯语问答系统。
研究人员可以利用该数据集训练阅读理解模型使模型能够根据新闻内容回答相关问题。
可以基于数据集构建问答对例如将新闻标题作为问题摘要作为答案或者人工构造基于新闻内容的问答对。
此外还可以利用该数据集训练开放域问答系统将新闻内容作为知识源构建检索式问答或生成式问答系统。
在实际应用中波斯语问答系统可以用于新闻检索、知识查询、信息获取等场景。
用户可以用自然语言提问系统从新闻数据集中检索相关内容并生成准确的答案。
例如用户可以询问最近有哪些重要的体育赛事“或政府发布了哪些新政策”系统从新闻数据中提取相关信息并生成回答。
该数据集的大规模和多样性确保了问答系统具有广泛的知识覆盖和强大的问答能力。
波斯语推荐系统与个性化内容推送该数据集包含大量新闻内容及其分类标签这为构建波斯语推荐系统提供了丰富的数据基础。
用户对新闻的阅读行为可以与新闻的分类、标签、内容特征相结合训练协同过滤和基于内容的混合推荐模型。
该数据集的分类标签可以用于构建用户兴趣画像根据用户阅读的新闻类别和子类别识别用户的兴趣偏好。
标签信息可以用于更细粒度的兴趣建模例如识别用户对特定球队、特定地区或特定话题的兴趣。
在实际应用中推荐系统可以根据用户的兴趣画像从新发布的发布的新闻中推荐相关内容实现个性化推送。
例如对于关注体育的用户推荐最新的体育新闻对于关注特定地区的用户推荐该地区的地方新闻。
该数据集的完整文本内容还可以用于基于深度学习的推荐模型通过学习新闻内容的语义表示实现更精准的内容推荐。
推荐系统可以应用于新闻网站、移动应用、社交媒体等平台提升用户粘性和满意度。
波斯语跨语言信息检索与翻译该数据集包含大量波斯语新闻内容可以用于构建波斯语跨语言信息检索系统和机器翻译系统。
在跨语言信息检索应用中可以将波斯语新闻与英语、阿拉伯语等其他语言的新闻数据对齐构建跨语言检索系统使用户可以用一种语言查询检索多种语言的内容。
该数据集的分类和标签信息可以用于构建跨语言对齐的语义空间提高跨语言检索的准确性。
在机器翻译应用了中该数据集可以用于训练波斯语到其他语言的神经机器翻译模型特别是波斯语到英语、波斯语到阿拉伯语等常见翻译方向。
虽然该数据集本身不包含平行语料但可以利用数据集中的新闻链接从原始网站获取多语言版本构建平行语料。
此外还可以利用该数据集训练单语预训练模型提高波斯语机器翻译的质量。
在实际应用中跨语言信息检索和机器翻译技术可以用于国际新闻聚合、多语言内容管理、跨文化交流等场景促进波斯语内容与全球信息的互联互通。
波斯语时序分析与趋势预测该数据集覆盖了1398年全年的新闻内容具有完整的时间连续性这为波斯语时序分析和趋势预测提供了独特的数据资源。
研究人员可以按时间维度分析新闻内容的变化趋势例如不同主题新闻的数量变化、关键词频率的时间序列、情感倾向的演变等。
基于时序分析可以构建趋势预测模型预测未来可能成为热点的话题、可能发生的事件或可能出现的趋势。
在实际应用中时序分析和趋势预测可以用于舆情预警、热点预测、政策效果评估等场景。
例如可以监测特定关键词如洪水、“地震”的出现频率预测可能发生的自然灾害可以分析经济相关新闻的情感倾向预测市场情绪变化可以追踪政治新闻中的关键事件预测政策走向。
该数据集的大规模和时间连续性确保了时序分析的准确性和趋势预测的可靠性为决策提供数据支持。
结尾法尔斯新闻社1398年波斯语新闻数据集是一个大规模、高质量、多领域的波斯语新闻文本数据集包含294,023条新闻记录每条记录都包含完整的标题、摘要、正文段落、分类标签、子分类、关键词标签和原始链接。
该数据集的核心优势在于其大规模特性、完整的文本内容、高质量的标注信息、多领域覆盖和广泛的应用价值。
数据集的大规模特性确保了深度学习模型能够学习到丰富的语言模式完整的文本内容支持全文检索、内容分析、摘要生成等应用高质量的标注信息为监督学习任务提供了可靠的基础多领域覆盖支持领域自适应和跨领域研究。
该数据集对波斯语自然语言处理研究具有重要价值可以用于文本分类、命名实体识别、情感分析、摘要生成、问答系统、推荐系统、机器翻译等多种任务。
对于产业应用而言该数据集可以用于构建新闻聚合平台、内容管理系统、搜索引擎、舆情监测系统、个性化推荐系统等应用。
数据集的完整性和多样性使其成为波斯语文本挖掘和自然语言处理研究的理想数据源。
该数据集采用JSON格式存储结构清晰易于解析和处理。
所有核心字段的完整率接近100%确保了数据集的可靠性和可用性。
数据集涵盖体育、政治、经济、文化、科技、社会等众多领域包含伊朗各省份的地方新闻以及国际新闻覆盖面广泛内容丰富多样。
该数据集为波斯语自然语言处理研究和应用提供了宝贵的数据资源有助于推动波斯语人工智能技术的发展和应用。
研究人员和开发者可以利用该数据集训练高性能的波斯语自然语言处理模型开发创新的波斯语应用促进波斯语信息的数字化和智能化处理。
数据集的大规模、高质量、多领域特性使其成为波斯语自然语言处理领域的重要基础设施为学术研究和产业应用提供强有力的数据支持。