Datasets:

uisp
/

ag_news_th

language:
  - th
dataset_info:
  features:
    - name: text
      dtype: string
    - name: ข้อความ
      dtype: string
    - name: label
      dtype:
        class_label:
          names:
            '0': World
            '1': Sports
            '2': Business
            '3': Sci/Tech

หมวด ข่าว ภาษาไทย

ตั้งต้นจาก https://huggingface.co/datasets/fancyzhx/ag_news

label

0 World
1 Sport
2 Business
3 Sci/Tech

ยังแปลไม่ครบ แต่มีแปลแล้วประมาณหนึ่ง

train.csv: แปลแล้ว 17,271 records จาก 120,000 records
test.csv: แปลทั้งหมดแล้ว 7,600 records

ตัวอย่างการใช้งาน

from datasets import load_dataset

# Specify the data files
data_files = {
    "test": "test.csv",
    "train": "train.csv"
}
dataset = load_dataset("uisp/ag_news_th", data_files=data_files)

print("Keys in loaded dataset:", dataset.keys())  # Should show keys for splits, like {'test', 'train'}

# Convert a split to pandas for further processing
test = dataset['test'].to_pandas()
print(test.head())
print(len(test.index))

train = dataset['train'].to_pandas()
train.dropna(inplace=True) # เอาตัวที่ยังไม่ได้แปล (column ข้อความ ว่างเปล่า) ออกไป
print(train.head())
print(len(train.index))```