# BUAA-ML-Group work — Data

来源：https://www.kaggle.com/competitions/buaa-2025-ml-2/data

采集时间：2026-10-19T06:31:59Z

## Files

*   **train.pkl**  含有7000个新闻样本的训练数据集。
*   **test_no_lable.pkl**  含有3000个新闻样本的测试数据集。
*   **image** 多模态文档数据，为新闻所包含的图片信息，对应关系参考数据中的image_path列。
*   **sample_submission.csv**  本次竞赛拟提交的预测结果，其中id为DataFrame格式测试数据集的索引，label为预测结果。

## Data fields
数据集中拥有13列数据，每列数据的具体含义如下，每个样本标签分为两种，二分类标签与细粒度标签，本次竞赛选择二分类标签作为最终任务目标：
| text | image_path | entity_id | topic | label | fine-grained label | knowledge_embedding | description | relation | platform | author | date | comment |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| news body text | image_path(relative path) | text-entity wiki id | topic from six topics | label | fine-grained label | knowledge_embedding | text-entity description | relation | The source of the news | author | The date of the news publication | comment |