Data Structure ?
246.96M
Data Structure ?
*The above analysis is the result extracted and analyzed by the system, and the specific actual data shall prevail.
README.md
背景
このニュースデータセットは、2001年初から2020年半ばまでのインド亜大陸の注目すべき出来事の永続的な歴史アーカイブであり、インドのジャーナリストによってリアルタイムで記録されています。これには、インドタイムズが公開した約330万件の出来事が含まれています。
データの大部分は、国家レベル、都市レベル、エンターテインメントを含むインドの地域ニュースに焦点を当てています。
個々の出来事については、機関のウェブサイトのアーカイブセクションを通じて詳細に調べることができます。
作成者：ロヒット・クルカルニ
内容
CSVの行数：3,297,172
公開日：記事がオンラインで公開された日付で、yyyyMMdd形式
見出しカテゴリ：見出しのカテゴリで、ASCII文字、ドット区切り、小文字の値
見出しテキスト：英語の見出しのテキストで、ASCII文字のみ
開始日：2001年1月1日 終了日：2020年6月30日
着想
ニュース機関としてのタイムズグループは、アジア全体に幅広い読者層を持ち、1日に公開される英語記事の量で他の機関を圧倒しています。 長年にわたる膨大な日々の記事量（平均650記事）のため、このデータはインド社会、その優先事項、出来事、問題、話題、およびそれらが時間とともにどのように展開されてきたかについての深い洞察を提供します。
このデータセットを1つまたは複数の側面に基づいて、より焦点を絞った分析のために小さな部分に分割することが可能です。
時間範囲：2014年の選挙、2006年のムンバイ爆弾テロ、2020年のコロナウイルス流行の間の記録
1つまたは複数のカテゴリ：都市別、ボリウッド、ICCの最新情報、雑誌、中東など
1つまたは複数のキーワード：犯罪や生態学関連の単語、政党名、有名人、企業名など
謝辞
見出しは、BashとJavaを使用して数GBの生のHTMLファイルから抽出されました。
このロジックはまた、各記事について最も適切な表現の見出しを選択し（通常は最長のものが選ばれます）、約12,000のカテゴリを300の大グループにクラスタリングし、日付が不明確なレコードを削除し、最後に選択された見出しを文字列の「国内化」関数でクリーニングします。
最終的なカテゴリは最新のサイトマップに従っています。数百の稀なカテゴリが残っており、これらのレコードは分析中に簡単にフィルタリングできます。約20万件のレコードのカテゴリは不明です。2001年以降は日付が欠けているレコードはなく、投稿順序を維持するよう努めています。
他の属性、国、トピックを探索する同様のニュースデータセットは、私のプロフィールで見ることができます。
The dataset is currently being organized and other channels have been prepared for you. Please use them
The dataset is currently being organized and other channels have been prepared for you. Please use them
- Share your thoughts
ALL
Data usage instructions:
I. Data Source and Display Explanation:
- 1. The data originates from internet data collection or provided by service providers, and this platform offers users the ability to view and browse datasets.
- 2. This platform serves only as a basic information display for datasets, including but not limited to image, text, video, and audio file types.
- 3. Basic dataset information comes from the original data source or the information provided by the data provider. If there are discrepancies in the dataset description, please refer to the original data source or service provider's address.
II. Ownership Explanation:
- 1. All datasets on this site are copyrighted by their original publishers or data providers.
III. Data Reposting Explanation:
- 1. If you need to repost data from this site, please retain the original data source URL and related copyright notices.
IV. Infringement and Handling Explanation:
- 1. If any data on this site involves infringement, please contact us promptly, and we will arrange for the data to be taken offline.
- 1. The data originates from internet data collection or provided by service providers, and this platform offers users the ability to view and browse datasets.
- 2. This platform serves only as a basic information display for datasets, including but not limited to image, text, video, and audio file types.
- 3. Basic dataset information comes from the original data source or the information provided by the data provider. If there are discrepancies in the dataset description, please refer to the original data source or service provider's address.
- 1. All datasets on this site are copyrighted by their original publishers or data providers.
- 1. If you need to repost data from this site, please retain the original data source URL and related copyright notices.
- 1. If any data on this site involves infringement, please contact us promptly, and we will arrange for the data to be taken offline.
VIP Download(0.24/day)
Download
6 
721
1
0
collect
Share