关于数据集

DBpedia（来自“DB”代表“数据库”）是一个旨在从维基百科中提取结构化内容的项目。这是一个数据的提取（经过清洗，包含内核），为342,782个维基百科文章提供了分类的层次结构类别（“类”）。总共有3个级别，分别有9, 70和219个类。该数据集的一个版本是NLP/文本分类任务的流行基准。特别是如果将L2/L3级别用作目标，这个数据集的版本要更难。

这是一个优秀的多级多类/多标签文本分类的基准。一些示例方法都包含在代码片段中。内容

DBPedia数据集具有多个层次/类别的层次结构，作为多类别数据集。原始的DBPedia本体（三元数据）： https://wiki.dbpedia.org/develop/datasets 类树/分类树的列表： http://mappings.dbpedia.org/server/ontology/classes/ 致谢

感谢Wikimedia基金会创建维基百科，DBPedia和相关开放数据！

感谢我在Sparkbeyond（ https://www.sparkbeyond.com ）的同事指导我使用分类版本的数据集（而不是经典的14类版本）灵感

Try different NLP models.
See also https://www.kaggle.com/datasets/danofer/dbpedia-classes
Compare to the SOTA in Text Classification on DBpedia - https://paperswithcode.com/sota/text-classification-on-dbpedia